我有一个字符矢量说A，G，C，T。我想要使​​用R的向量中最长的A序列

Question

set.seed (12345)

data <- paste(sample(c("A","C","G","T"),100000,replace=TRUE,prob=rep(0.25,4)))
data <- ifelse(data=="A",1,0)

假设我将数据转换为1（所需字符）和0（else）。然后在每个位置取得总和。如果总结到一个位置匹配到下一个的总和，我们停止;否则我们进行总和并将金额存储在这些位置。然后，相应位置的最大总和将给出最大序列长度。

我得到了算法但无法编码。请帮忙。

Answer 1

rle function就是你想要的：

set.seed(12345)
data = sample(c('A', 'C', 'G', 'T'), 100000, replace = TRUE, prob = rep(0.25, 4))

run_lengths = rle(data == 'A')
(result = max(run_lengths$lengths[run_lengths$values]))
# [1] 10

获取最长跑的位置有点困难。您可以使用which.max，但我们之前已过滤掉所有非A结果。相反，我们也可以将所有非A次运行设置为0 - 这样，它们仍会存在，但不会是最大值：

only_a = ifelse(run_lengths$values, run_lengths$lengths, 0)
longest_run_index = which.max(only_a)

现在我们需要从longest_run_index计算回A内的索引。我们通过在该索引之前将所有运行的长度相加来实现：

index = sum(run_lengths$lengths[seq_len(longest_run_index - 1)]) + 1
data[index : (index + result - 1)]
# [1] "A" "A" "A" "A" "A" "A" "A" "A" "A" "A"