Question

我使用函数从多个HWE卡方检验中获取p值。我循环遍历一个名为geno.data的大矩阵（313行x 355232列）来执行此操作。我基本上逐行循环两列矩阵。它运行得非常慢。我怎样才能让它更快？感谢

library(genetics)
geno.data<-matrix(c("a","c"), nrow=313,ncol=355232)
Num_of_SNPs<-ncol(geno.data) /2
alleles<- vector(length = nrow(geno.data))
HWE_pvalues<-vector(length = Num_of_SNPs)
j<- 1

for (count in 1:Num_of_SNPs){
    for (i in 1:nrow(geno.data)){
        alleles[i]<- levels(genotype(paste(geno.data[i,c(2*j -1, 2*j)], collapse = "/")))
    }
    g2 <- genotype(alleles)
    HWE_pvalues[count]<-HWE.chisq(g2)[3]
    j = j + 2
}

Answer 1

首先，请注意发布的代码将导致索引越界错误，因为在主循环的Num_of_SNPs次迭代后，您的j值将为ncol(geno.data)-1并且您正在访问列2*j-1和2*j。我假设你想要列2*count-1而2*count和j可以删除。

矢量化对于编写快速R代码非常重要。在您的代码中，您每次都会调用paste函数313次，每次都会传递长度为1的向量。一旦传递长度为313的向量，R在调用paste时要快得多。以下是主循环的原始和矢量化内部：

# Original
get.pval1 <- function(count) {
  for (i in 1:nrow(geno.data)){
    alleles[i]<- levels(genotype(paste(geno.data[i,c(2*count -1, 2*count)], collapse = "/")))
  }
  g2 <- genotype(alleles)
  HWE.chisq(g2)[3]
}

# Vectorized
get.pval2 <- function(count) {
  g2 <- genotype(paste0(geno.data[,2*count-1], "/", geno.data[,2*count]))
  HWE.chisq(g2)[3]
}

我们从矢量化中获得了20倍的加速：

library(microbenchmark)
all.equal(get.pval1(1), get.pval2(1))
# [1] TRUE
microbenchmark(get.pval1(1), get.pval2(1))
# Unit: milliseconds
#          expr       min        lq      mean    median        uq       max neval
#  get.pval1(1) 299.24079 304.37386 323.28321 307.78947 313.97311 482.32384   100
#  get.pval2(1)  14.23288  14.64717  15.80856  15.11013  16.38012  36.04724   100

使用矢量化代码，您的代码应该在大约177616 * .01580856 = 2807.853秒或大约45分钟内完成（相比原始代码为16小时）。如果这对你来说仍然不够快，那么我建议你看一下R中的parallel包。mcmapply应该为你提供一个很好的加速，因为外部的每次迭代{{ 1}}循环是独立的。

如何让我的循环在R中运行得更快？

1 个答案: