更新：

Question

所以我有这个代码片段可以做它应该做的事情，但由于使用了for循环，它非常慢并且可能效率低下... 因为我在大文件上使用它会大大减慢我的脚本速度。

我猜R有一个内置函数，可以轻松完成我在for循环中所做的事情吗？

有没有人知道如何让它更快？

以下代码的作用：

检查矩阵中的某个位置是否存在字母字符（1）或是否是另一个字符（0）。然后将此信息保存在列表中。

基本上我需要继续的是字母字符矩阵的true / false。然后我使用true / false列表来＆＃34;重新编号矩阵元素＆＃34; （以便不计算非字母字符）

更新：

我的意思是什么＆＃34;重新编号矩阵元素＆＃34;：蛋白质序列总是编号，因此长度为560的蛋白质在其序列中具有560个氨基酸。我对序列进行比对，它们的长度不相同（A：560个氨基酸，B：600个氨基酸），比对会引入序列不匹配的缺口。我的矩阵是一个对齐，因此有间隙（非字母字符，通常＆＃34; - ＆＃34;）为了能够在对齐中解决序列A的位置100，我需要重新编号对齐，以便只有＆＃34;非缺口位置＆＃34;有一个数字，然后解决该位置。否则，如果我打印对齐的位置100，它将不是我的序列A的位置100。

供参考：这是用于蛋白质序列比对，我希望所有氨基酸（字母字符）都被编号，但不是间隙（其他字符如＆＃34; - ＆＃34;或＆＃34;。＆＃34;）。后来这使我能够特别指出氨基酸的位置并更容易分析我的巨大比对

如果需要澄清，请发表评论！

 MSAmatrix<-matrix(c("A","-","B", "-", "C","A","D","B", "-", "C","A","-","B", "F", "C","A","D",".", "-", "C"), nrow=4, byrow=TRUE)

 letters<-list()
 lettersrenumbered<-list()
 referencesequence<-1
 # for whatever reason I am initialising the lists wrong and they need to be filled with 1 element before I can use them in the next loops...
 for(i in 1:dim(MSAmatrix)[1]) {
 letters[[i]]<-1313
 lettersrenumbered[[i]]<-1313
 }
 # get info if position is an alphabet character or not
 for(i in 1:dim(MSAmatrix)[1]) {
     for(j in 1:dim(MSAmatrix)[2]) {
         if(grepl("[a-zA-Z]",MSAmatrix[i,])[j]){
            letters[[i]][j]<-1  
         }
         else{  
            letters[[i]][j]<-0
        }
     }
 }

 #renumber all the sequences so that only the alphabet characters get a number
 for(i in 1:dim(MSAmatrix)[1]) {
     count<-0
     for(j in 1:dim(MSAmatrix)[2]) {
         if(letters[[i]][j]==1){
            count<-count+1
            lettersrenumbered[[i]][j]<-count    
         }
         else{
            lettersrenumbered[[i]][j]<-" "  
         }
     }
 }

Answer 1

在我的机器上，以下速度比您的方法快20倍：

创建一个相同尺寸的矩阵，但都是假的

X <- matrix(rep(FALSE, 20), nrow = 4, byrow = TRUE)

如果MSAmatrix是大写字母，请将其标记为TRUE

X[MSAmatrix %in% LETTERS] <- TRUE

你可以通过直接创建矩阵来提高速度（30％），尽管可能有点难以确保它是正确的。也就是说，只需：

matrix(MSAmatrix %in% LETTERS, nrow = 4, byrow = FALSE)

目前尚不清楚您的意思是＆＃34;重新编号矩阵元素＆＃34;，但如果您使用apply和cumsum

apply(X, 2, cumsum)
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    0    1    0    1
[2,]    2    1    2    0    2
[3,]    3    1    3    1    3
[4,]    4    2    3    1    4

我认为你接近你的意图。

Answer 2

一般来说，当你对整个向量而不是单个元素执行操作时，R是最快的，所以你可以将grep分开并写出来：

MSAmatrix<-matrix(c("A","-","B", "-", "C","A","D","B", "-", "C","A","-","B", "F", "C","A","D",".", "-", "C"), nrow=4, byrow=TRUE)
isChar <- matrix(grepl("[a-zA-Z]",MSAmatrix), nrow=nrow(MSAmatrix))

获取显示哪些元素是字符的矩阵。下一步是按行进行创建列表，因此lapply是一个有用的起点。这可以通过以下方式完成：

formatRow <- function(i){
  retval <- cumsum(isChar[i,])
  retval[!isChar] <- ""
  retval
}

lapply(1:nrow(MSAmatrix), formatRow)

对于每一行，函数使用cumsum来计算行中到目前为止的trues数，然后用“”覆盖不对应于字母的那些，将整个向量转换为字符。

根据您对输出的其他操作，使用apply而不是lapply可能更有效，并将输出保持为矩阵而不是列表。

R - 使其更快：检查字符的矩阵位置并将信息放入列表（0/1）

更新：

2 个答案: