我们可以使用base R-使用rowSums创建逻辑向量，然后根据它进行赋值，这样效率会更高

i1 <- rowSums(df == c("K", "AA", "YY")[col(df)]) == 3
 i2 <- rowSums(df == c("S", "AB", "Y")[col(df)]) == 3
 df$K_status <- "WT"
 df$K_status[i1] <- "Mut"
  df$S_status <- "WT"
 df$S_status[i2] <- "Mut"

• 输出

> df
   A  B  C K_status S_status
1  K NA TT       WT       WT
2  K AA YY      Mut       WT
3  K AC YY       WT       WT
4  S NA TT       WT       WT
5  S AA YY       WT       WT
6  S AB  Y       WT      Mut
7 NA LD TT       WT       WT

或者以矢量化的方式使用tidyverse，以便高效执行代码-只需创建一个键/值数据集或一个名为list的，然后循环if_all中的列，从keydat数据集中提取相应的值，比较并使用case_when创建新列

library(dplyr)
keydat <- tibble(A = c("K", "S"), B = c("AA", "AB"), C = c("YY", "Y"))

df %>%
   mutate(K_status = case_when(if_all(everything(),
    ~ .x == keydat[[cur_column()]][1]) ~ "Mut", TRUE ~ "WT"), 
   S_status = case_when(if_all(A:C, ~
    .x == keydat[[cur_column()]][2]) ~ "Mut", TRUE ~ "WT"))

• 输出

A  B  C K_status S_status
1  K NA TT       WT       WT
2  K AA YY      Mut       WT
3  K AC YY       WT       WT
4  S NA TT       WT       WT
5  S AA YY       WT       WT
6  S AB  Y       WT      Mut
7 NA LD TT       WT       WT

我们可以使用类似的代码后纠正几个不一致：

• 在比较x %in% z时包含rowwise，其中z按行使用
• %in% df应替换为对 Dataframe A：C列的正确引用，即c_across。
• 使用all(c(...) %in% x)代替all(...) %in% x

df %>%
    rowwise() %>%
    mutate(K_status = case_when(all(c("K", "AA", "YY") %in% c_across(A:C)) ~ "Mut",
           TRUE ~ "WT")) %>%
    mutate(S_status = case_when(all(c("S", "AB", "Y") %in% c_across(A:C)) ~ "Mut",
           TRUE ~ "WT")) %>%
    ungroup()

# A tibble: 7 × 5
  A     B     C     K_status S_status
  <chr> <chr> <chr> <chr>    <chr>   
1 K     NA    TT    WT       WT      
2 K     AA    YY    Mut      WT      
3 K     AC    YY    WT       WT      
4 S     NA    TT    WT       WT      
5 S     AA    YY    WT       WT      
6 S     AB    Y     WT       Mut     
7 NA    LD    TT    WT       WT