我正在尝试根据“区域类型”列中的值将行放入列表中,并将这些列表放入其他数据结构(向量或列表)中。数据如下所示(~700 000 行):
chr CS CE CloneName score strand # locs per clone # capReg alignments Type of region
chr1 10027684 10028042 clone_11546 1 + 1 1 chr1_10027880_10028380_DNaseI
chr1 10027799 10028157 clone_11547 1 + 1 1 chr1_10027880_10028380_DNaseI
chr1 10027823 10028181 clone_11548 1 - 1 1 chr1_10027880_10028380_DNaseI
chr1 10027841 10028199 clone_11549 1 + 1 1 chr1_10027880_10028380_DNaseI
这是我尝试做的:
typeReg=dat[!duplicated(dat$`Type of region`),]
for(i in 1:nrow(typeReg)){
res[[i]]=dat[dat$`Type of region`==typeReg[i,]$`Type of region`,]
}
for 循环花费了太多时间,所以我尝试使用应用程序:
res=apply(typeReg, 1, function(x){
tmp=dat[dat$`Type of region`==x[9],]
})
但它也很长(区域类型列中有 300 000 个唯一值)。您是否有解决我的问题的方法,或者花费这么长时间是正常的吗?
好的,所以拆分有效,但子集不会降低我在 df 中的因子水平。所以基本上对于 split 函数创建的每个列表,它在原始 df 中带来了 300 000 个级别,因此列表的大小很大。可能的解决方案是在创建的每个列表上使用 droplevels() 函数(如果一个列表太大而无法存储在 RAM 中,则不是最佳选择),使用 for 循环(此解决方案非常慢)或删除导致问题是我所做的。
res=split(dat[,c(-4,-9)], dat$`Type of region`, drop=TRUE)
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句