替代計劃中的R

Question

循環

df1 <- data.frame(Chr=1, Pos= c(100,200,300,400),stringsAsFactors=F) 

df2 <- data.frame(Chr=1, PosStart= c(25,25,150,175,225,275,375),PosEnd= c(150,75,275,300,400,500,750),stringsAsFactors=F) 

我想給Pos值df1比較，看看是否有PosStart和df2PosEnd的落差。對於多於1行的df2，這可能是正確的。在輸出中，我試圖附加df1$Pos作爲新列df2$CoPos;每次條件成立。輸出應該像成才：

Chr PosStart PosEnd CoPos 
1  25 150 100 
1  150 275 200 
1  175 300 200 
1  225 400 300 
1  275 500 300 
1  375 750 400 

我做一樣的東西：

for(i in 1:length(df1$Pos)){ 

    for(j in 1:length(df2$PosStart){ 

      df2$CoPos[j]<- df1$Pos[which(df2$PosStart[j] < df1$Pos[i] < df2$PosEnd[j])] 
    } 

} 

是否有人可以告訴我，如果有一種方法可以做到這一點沒有循環。另外我在這裏做錯了什麼？經過數月的拼殺，我不認爲我仍然理解循環的概念。

非常感謝你。

Answer 1

可以apply支票的df2每一行：

myfun <- function(x) { 
    data.frame(df2[x['Pos'] < df2$PosEnd & x['Pos'] > df2$PosStart,], Pos=x['Pos']) 
} 

將從DF2在滿足條件還有Pos值返回一行或多行。

> apply(df1, 1, myfun) 
[[1]] 
    Chr PosStart PosEnd Pos 
1 1  25 150 100 

[[2]] 
    Chr PosStart PosEnd Pos 
3 1  150 275 200 
4 1  175 300 200 

[[3]] 
    Chr PosStart PosEnd Pos 
5 1  225 400 300 
6 1  275 500 300 

[[4]] 
    Chr PosStart PosEnd Pos 
6 1  275 500 400 
7 1  375 750 400 

> 

那麼你可以使用plyr和ldply轉換到一個列表：

發表評論

> library(plyr) 
> ldply(apply(df1, 1, myfun), as.data.frame) 
    Chr PosStart PosEnd Pos 
1 1  25 150 100 
2 1  150 275 200 
3 1  175 300 200 
4 1  225 400 300 
5 1  275 500 300 
6 1  275 500 400 
7 1  375 750 400 
> 

---

編輯：

這是一個很難的事情在for循環做。你不知道你會提前多少場比賽。可能是df1中的每一行都匹配df2中的每一行，或者沒有任何行或兩者之間的任何行。因此，你不知道你的輸出需要多大。這就是R中不好的for loop練習的完美例子。如果你正在增長輸出向量而不是分配給它，「你將會有一段糟糕的時間。

就是說，爲了讓你的循環工作，你需要首先製作CoPos列。

df2$CoPos <- NA 

然後執行類似的循環東西：

for (i in 1:length(df1$Pos)) { 
    for (j in 1:length(df2$PosStart)) { 
      if (df2$PosStart[j] < df1$Pos[i] & df2$PosEnd[j] > df1$Pos[i]) { 
        df2$CoPos[j] <- df1$Pos[i] 
      } 
    } 

} 

但是，如果你在df1適合您的約束髮現兩行，你會只記錄您找到合適的行第二個在df2。

相反，你可以長出新的data.frame這樣的：

df3 <- data.frame(Chr=1, Pos= c(100, 125, 200,300,400),stringsAsFactors=F) 

out <- data.frame() 

for (i in 1:length(df3$Pos)) { 
    for (j in 1:length(df2$PosStart)) { 
      if (df2$PosStart[j] < df3$Pos[i] & df2$PosEnd[j] > df3$Pos[i]) { 
        out <- rbind(out, cbind(df2[j,], df3$Pos[i])) 
      } 
    } 

} 

但是，不這樣做......請不要:)雖然我傳福音，看看R-Inferno作爲R中常見陷阱的優秀參考。

Answer 2

雖然@Justin的answer在這種情況下工作，使用apply上的數據。如果您不記得apply在每行/列上調用FUN之前將數據幀轉換爲矩陣，可能會導致混淆錯誤。

下面是避免這種潛在的問題更廣泛的解決方案：

compareFun <- function(x) { 
    data.frame(df2[x > df2$PosStart & x < df2$PosEnd,], Pos=x) 
} 
do.call(rbind, lapply(df1$Pos, compareFun)) 

具體地說就是，如果df1和df2是不是與Chr是字符定義，Justin的解決方案將拋出一個錯誤，並不能使它明確是什麼原因導致的問題：

df1 <- data.frame(Chr="1", Pos=c(100,200,300,400), stringsAsFactors=FALSE) 
df2 <- data.frame(Chr="1", PosStart=c(25,25,150,175,225,275,375), 
    PosEnd=c(150,75,275,300,400,500,750), stringsAsFactors=FALSE) 
apply(df1, 1, myfun) 
# Error in data.frame(df2[x["Pos"] < df2$PosEnd & x["Pos"] > df2$PosStart, : 
# arguments imply differing number of rows: 0, 1