Question

我想知道在R中避免行方式处理的最佳方法是什么，大多数行方式都是在内部C例程中完成的。例如：我有一个数据框a：

  chromosome_name start_position end_position strand
1              15       35574797     35575181      1
2              15       35590448     35591641     -1
3              15       35688422     35688645      1
4              13       75402690     75404217      1
5              15       35692892     35693969      1

我想要的是：根据链是正还是负，startOFgene为start_position或end_position。避免for循环的一种方法是将data.frame与+1 strand和-1 strand分开并执行选择。什么可以加快速度？如果每行具有某些其他复杂处理，则该方法不会按比例放大。

Answer 1

也许这足够快......

transform(a, startOFgene = ifelse(strand == 1, start_position, end_position))


  chromosome_name start_position end_position strand startOFgene
1              15       35574797     35575181      1    35574797
2              15       35590448     35591641     -1    35591641
3              15       35688422     35688645      1    35688422
4              13       75402690     75404217      1    75402690
5              15       35692892     35693969      1    35692892

Answer 2

首先，由于您的所有列都是整数/数字，因此您可以使用矩阵而不是data.frame。矩阵上的许多操作比data.frame上的相同操作快得多，即使它们在这种情况下没有太大差别。然后，您可以使用逻辑子集来创建startOFgene列。

# Create some large-ish data
M <- do.call(rbind,replicate(1e3,as.matrix(a),simplify=FALSE))
M <- do.call(rbind,replicate(1e3,M,simplify=FALSE))
A <- as.data.frame(M)
# Create startOFgene column in a matrix
m <- function() {
  M <- cbind(M, startOFgene=M[,"start_position"])
  negStrand <- sign(M[,"strand"]) < 0
  M[negStrand,"startOFgene"] <- M[negStrand,"end_position"]
}
# Create startOFgene column in a data.frame
d <- function() {
  A$startOFgene <- A$start_position
  negStrand <- sign(A$strand) < 0
  A$startOFgene[negStrand] <- A$end_position[negStrand]
}
library(rbenchmark)
benchmark(m(), d(), replications=10)[,1:6]
#   test replications elapsed relative user.self sys.self
# 2  d()           10  18.804    1.000    16.501    2.224
# 1  m()           10  19.713    1.048    16.457    3.152

避免在R中逐行处理data.frame

2 个答案: