我正在用两个文件处理一些遗传数据。一种是实验数据，另一种是参考数据。这两个文件都具有染色体号，起始位置，终止位置的基本格式，但是其中一个具有族列。我想使用染色体，实验数据的开始和结束作为查找与第二组重叠的关键。目的是使每次出现重叠时，我都可以将姓氏添加到实验数据行中。我可以这样做，但是问题是，有57个观测值的列表变成了700多个观测值的列表，因为在许多情况下，实验的开始/停止范围足够大，可以捕获多个族。我认为，与其增加唯一的区别是家庭的观察总数，不如在现有实验数据行的末尾添加许多家庭（通常为1-2，但可变）可能更合适。
我不太擅长创建伪数据，但这应该可以使设置看起来正确：
test1 = data.frame(Chrom = c(1:5),Start = c(1000,2000,3000,4000,5000),End=c(1999,2999,3999,4999,5999))
test2 = data.frame(Chrom = c(2,2,5),Start = c(1500,3500,1050),End=c(2500,4000,1060),Family=c("ThingA","ThingB","ThingC"))
我认为最佳解决方案的观察总数应等于test1中的观察数，但在给定范围内，其列数应等于test2的最大重叠数。