但这不起作用：

Question

我试图编写一个简单的R函数来对单个数据帧的两列中的5个元素子串进行采样。每行的字符串长度相等，但它们在列之间不同。当我指定行和col来执行时，该函数有效，但我无法在每行和每列上使用apply语句。如上所述，它只会根据第一个实例的长度提取随机样本，因此如果第一个实例比任何其他字符串短，则其他行的输出有时小于5个元素。

示例df：

BP                             TF

1  CGTCTCTATTCTAGGCAAGA            TTTFFFFTFFFTFFFTFTTT
2  AAGTCACTCGAATTCGGATGCCCCCTAGGC  TTFFFFFTFFFFTTFTFFTTTFTTTTFTFF
3  TGCTCATGACGGGAC                 FFFTFTFFFFTFTFT

＆＃39;预期输出：＆＃39;

1  CTATT                           FFTFF
2  CCTAG                           TTTFT
3  TCATG                           TFTFF

＆＃39;可重现的示例代码：＆＃39;

#make fake data frame
BaseP1 <- paste(sample(size = 20, x = c("A","C","T","G"), replace = TRUE), collapse = "")
BaseP2 <- paste(sample(size = 30, x = c("A","C","T","G"), replace = TRUE), collapse = "")
BaseP3 <- paste(sample(size = 15, x = c("A","C","T","G"), replace = TRUE), collapse = "")
TrueFalse1 <- paste(sample(size = 20, x = c("T","F"), replace = TRUE), collapse = "")
TrueFalse2 <- paste(sample(size = 30, x = c("T","F"), replace = TRUE), collapse = "")
TrueFalse3 <- paste(sample(size = 15, x = c("T","F"), replace = TRUE), collapse = "")
my_df <- data.frame(c(BaseP1,BaseP2,BaseP3), c(TrueFalse1, TrueFalse2, TrueFalse3))


Fragment = function(string) {
  nStart = sample(1:nchar(string) -5, 1)
  substr(string, nStart, nStart + 4)
}


Fragment(string = my_df[1,1])#works for the first row, first col.

但这不起作用：

apply(my_df, c(1,2), function(x) Fragment(string = my_df[1:nrow(my_df),1:ncol(my_df)]))

Answer 1

您的功能出错：

Fragment = function(string) {
  nStart = sample(1:(nchar(string) -5), 1)
  substr(string, nStart, nStart + 4)
}

nchar(string) - 5之间缺少括号，这使得子集出错了。

然后，您可以按照评论中的建议使用apply(my_df, c(1,2), Fragment)。

显示现在可以使用：

for(i in 1:10000){
  stopifnot(all(5 == sapply(apply(my_df, c(1,2), Fragment), nchar)))
}

这表明在10000次尝试中，它总是产生5个字符作为输出。

将语句应用于不同长度的行的样本列

但这不起作用：

1 个答案: