Question

我编写了以下代码，根据列Time从一个大型数据集中提取多个数据集。

for(i in 1:nrow(position)) {
  assign(paste("position.",i,sep=""), subset(dataset, Time >= position[i,1] & Time <= position[i,2])
  )
}

（position是包含starttime[,1]和stoptime[,2]）

的列表

输出是我原始数据集的子集，并且喜欢：

position.1
position.2
position.3
....

是否有可能为每个新数据集添加额外的列（position.1，position.2，...）哪个用数字定义？

例如：position.1有一个值为1的额外列，position.2有一个值为2的额外列，依此类推。

我需要这些数字来识别数据集（position.1，position.2，...），然后再次rbind再次确定数据集。

Answer 1

由于您未提供示例数据，因此未经测试，但应该适用于您：

dflist <- 
lapply(1:nrow(position), function(x) {
    within(dataset[dataset$Time >= position[x,1] & dataset$Time <= position[x,2],], val = x)
}
do.call(rbind, dflist)

基本上，您绝不想采用您建议的将多个编号对象分配给全局环境的策略。将所有子集存储在列表中然后使用do.call(rbind, dflist)将它们重新绑定在一起要容易得多。这样更有效，在您的工作空间中产生更少的混乱，并且更具功能性＃34;编程风格。

Answer 2

除了Thomas建议避免副作用外，您可能还想利用检测重叠的现有包。 Bioconductor中的IRanges包可以检测一组范围（position）与另一组范围或位置（dataset$Time）之间的重叠。这可以获得时间点和范围之间的匹配：

r <- IRanges(position[[1L]], position[[2L]])
hits <- findOverlaps(dataset$Time, r)

现在，您想要提取与position中每个范围重叠的数据集的子集。我们可以按主题（Time）索引对查询（position）索引进行分组，并使用该分组从dataset中提取列表：

dataset <- DataFrame(dataset)
l <- extractList(dataset, split(queryHits(hits), subjectHits(hits)))

要获得最终答案，我们需要逐行组合列表元素，同时添加表示其组成员资格的列：

ans <- stack(l)

使用循环将列添加到数据集

2 个答案: