我尝试使用data.table在R中合并一堆重叠的时间段。我已经打电话给桌子上的foverlap，这很有效。
我的问题是这样的：假设时段A与时段B重叠，而B与时段C重叠，但A不重叠C.在这种情况下，A不与C分组，最终它们必须合并。
目前我已经找到了重复循环查找重叠和合并，直到不再发生合并，但这不完全可扩展。我能看到的一个解决方案是将组的索引递归地应用于自身，直到它稳定，但仍然看起来需要一个循环，我想要一个完全矢量化的解决方案。
dt = data.table(start = c(1,2,4,6,8,10),
end = c(2,3,6,8,10,12))
setkeyv(dt,c("start","end"))
f = foverlaps(dt,
dt,
type="any",
mult="first",
which="TRUE")
#Needs to return [1,1,3,3,3,3]
print(f)
#1 1 3 3 4 5
print(f[f])
#1 1 3 3 3 4
print(f[f][f])
#1 1 3 3 3 3
有人可以帮我提一些关于矢量化这个程序的想法吗？
使用ID进行编辑：
dt = data.table(id = c('A','A','A','A','A','B','B','B'),
eventStart = c(1,2,4,6,8,10,11,15),
eventEnd = c(2,3,6,8,10,12,14,16))
setkeyv(dt,c("id","eventStart","eventEnd"))
f = foverlaps(dt,
dt,
type="any",
mult="first",
which="TRUE")
#Needs to return [1 1 3 3 3 6 6 8] or similar
答案 0 :(得分：2)
IRanges data.table受到启发的Bioconductor上的foverlaps()包有一些方便的功能来解决这个问题。
也许，reduce()可能是您要合并所有重叠时段的功能：
library(data.table)
dt = data.table(start = c(1,2,4,6,8,10),
end = c(2,3,6,8,10,12))
library(IRanges)
ir <- IRanges(dt$start, dt$end)
ir
IRanges object with 6 ranges and 0 metadata columns: start end width <integer> <integer> <integer> [1] 1 2 2 [2] 2 3 2 [3] 4 6 3 [4] 6 8 3 [5] 8 10 3 [6] 10 12 3
reduce(ir, min.gapwidth = 0L)
IRanges object with 2 ranges and 0 metadata columns: start end width <integer> <integer> <integer> [1] 1 3 3 [2] 4 12 9
as.data.table(reduce(ir, min.gapwidth = 0L))
start end width 1: 1 3 3 2: 4 12 9
在Bioconductor上，有一个全面的Introduction to IRanges可用。
修改：OP提供了第二个样本数据集，其中包含id列，并询问IRanges是否支持id加入时间间隔
向IRanges添加数据似乎很快就专注于基因组研究领域，这对我来说是 terra incognita 。但是，我使用IRanges找到了以下方法：
IRanges library(data.table)
# 2nd sample data set provided by the OP
dt = data.table(id = c('A','A','A','A','A','B','B','B'),
eventStart = c(1,2,4,6,8,10,11,15),
eventEnd = c(2,3,6,8,10,12,14,16))
library(IRanges)
# set names when constructing IRanges object
ir <- IRanges(dt$eventStart, dt$eventEnd, names = dt$id)
lapply(split(ir, names(ir)), reduce, min.gapwidth = 0L)
$A IRanges object with 2 ranges and 0 metadata columns: start end width <integer> <integer> <integer> [1] 1 3 3 [2] 4 10 7 $B IRanges object with 2 ranges and 0 metadata columns: start end width <integer> <integer> <integer> [1] 10 14 5 [2] 15 16 2
将此转换回data.table会导致一段相当笨拙的代码：
ir <- IRanges(dt$eventStart, dt$eventEnd, names = dt$id)
rbindlist(lapply(split(ir, names(ir)),
function(x) as.data.table(reduce(x, min.gapwidth = 0L))),
idcol = "id")
id start end width 1: A 1 3 3 2: A 4 10 7 3: B 10 14 5 4: B 15 16 2
data.table 如果我们在data.table内进行分组并在单个块上应用reduce()，我们可以使用较少复杂的代码获得相同的结果：
dt[, as.data.table(reduce(IRanges(eventStart, eventEnd), min.gapwidth = 0L)), id]