我给出了两个非常大的数据集,并且我一直在尝试构建一个函数,该函数将从一个集合中找出某些关于其他数据的if子句的某些坐标组。 我的问题是,我写的功能很慢虽然我一直在阅读某些问题类似的问题的答案,但我还没有设法使其工作。
所以,如果我给出:向量化包含循环和if子句的搜索函数
>head(CTSS)
V1 V2 V3
1 chr1 564563 564598
2 chr1 564620 564649
3 chr1 565369 565404
4 chr1 565463 565541
5 chr1 565653 565697
6 chr1 565861 565922
和
> head(href)
chr region start end strand nu gene_id transcript_id
1 chr1 start_codon 67000042 67000044 + . NM_032291 NM_032291
2 chr1 CDS 67000042 67000051 + 0 NM_032291 NM_032291
3 chr1 exon 66999825 67000051 + . NM_032291 NM_032291
4 chr1 CDS 67091530 67091593 + 2 NM_032291 NM_032291
5 chr1 exon 67091530 67091593 + . NM_032291 NM_032291
6 chr1 CDS 67098753 67098777 + 1 NM_032291 NM_032291
对于从HREF数据集我想找到的前两个值在起始列每个值CTSS数据集的第3列小于或等于,并将其保留在新的数据框中。
环路我写道:
y <- CTSS[order(-CTSS$V3), ]
find_CTSS <- function(x, y) {
n <- length(x$start)
foo <- data.frame(matrix(0, n, 6))
for (i in 1:n)
{
a <- which(y$V3 <= x$start[i])
foo[i, ] = c(x$start[i], x$stop[i], y$V2[a[1]], y$V3[a[1]] , y$V2[a[2]], y$V3[a[2]])
}
print(foo)
}
我认为*这是'data.table'可以大大加快的一件事情。 –
首先,你是指当前数据框顺序中的第一个V3,还是你的意思是最低的两个值,还是你的意思是最接近或等于开始的值?......或其他。我想我可以将Roman Lustrik的代码作为定义的基础吗? – John