分割范围

Question

假设我有一些由起始坐标 start<-c(1,2,3) 和结束坐标 end<-c(4,5,4) ;ranges<-data 表示的范围。帧（开始，结束）我怎样才能把它分成一个长度的间隔？ 即我希望

将其

   starts ends
1      1    4
2      2    5
3      3    4  

转换为这样：

   starts ends
1      1    2      |
2      3    4     <-end of original first interval
3      2    3      |
4      4    5     <-end of original second interval
5      3    4     <-end of original third interval

现在我有一个 for 循环迭代列表并创建一个从开始到结束的序列序列，但此循环需要很长时间才能执行长范围列表。

Answer 1

这是一种方法。这是一个“美化的 for 循环”，以序列上的 lapply 为伪装。

# Your sample data
ranges<-data.frame(start=c(1,2,3),end=c(4,5,4))

# Extract the start/end columns         
start <- ranges$start
end <- ranges$end
# Calculate result data
res <- lapply(seq_along(start), function(i) start[i]+seq(0, end[i]-start[i]))
# Make it into a data.frame by way of a matrix (which has a byrow argument)
newRanges <- as.data.frame( matrix(unlist(res), ncol=2, byrow=TRUE, dimnames=list(NULL, names(ranges))) )

这给出了正确的结果：

> newRanges
  start end
1     1   2
2     3   4
3     2   3
4     4   5
5     3   4

然后在更大的问题上计时：

n <- 1e5
start <- sample(10, n, replace=TRUE)
end <- start + sample( 3, n, replace=TRUE)*2-1
system.time( newRanges <- as.data.frame( matrix(unlist(lapply(seq_along(start), function(i) start[i]+seq(0, end[i]-start[i]))), ncol=2, byrow=TRUE) ) )

在我的机器上这大约需要 1.6 秒。够好吗？

...诀窍是直接处理向量而不是数据框。然后最后构建 data.frame 。

更新 @Ellipsis... 评论说 lapply 并不比 for 循环好。让我们看看：

system.time( a <- unlist(lapply(seq_along(start), function(i) start[i]+seq(0, end[i]-start[i]))) ) # 1.6 secs

system.time( b <- {
  res <- vector('list', length(start))
  for (i in seq_along(start)) {   
    res[[i]] <- start[i]+seq(0, end[i]-start[i])
  }
  unlist(res) 
}) # 1.8 secs

因此，在这种情况下，for 循环不仅慢了约 12%，而且也更加冗长......

再次更新！

@Martin Morgan 建议使用 Map，它确实是迄今为止最快的解决方案 - 比我的其他答案中的 do.call 更快。另外，通过使用 seq.int 我的第一个解决方案也更快：

# do.call solution: 0.46 secs 
system.time( matrix(do.call('c', lapply(seq_along(start), function(i) call(':', start[i], end[i]))), ncol=2, byrow=TRUE) )

# lapply solution: 0.42 secs   
system.time( matrix(unlist(lapply(seq_along(start), function(i) start[[i]]+seq.int(0L, end[[i]]-start[[i]]))), ncol=2, byrow=TRUE) )

# Map solution: 0.26 secs   
system.time( matrix(unlist(Map(seq.int, start, end)), ncol=2, byrow=TRUE) )

Answer 2

您可以尝试为向量、parse-ing 和 eval-uating 创建文本，然后使用matrix 创建数据。框架：

txt <- paste("c(",paste(ranges$start,ranges$end,sep=":",collapse=","),")",sep="")

> txt
[1] "c(1:4,2:5,3:4)"

vec <- eval(parse(text=txt))
> vec
 [1] 1 2 3 4 2 3 4 5 3 4

mat <- matrix(vec,ncol=2,byrow=T)
> data.frame(mat)
  X1 X2
1  1  2
2  3  4
3  2  3
4  4  5
5  3  4

Answer 3

这是基于 @James 伟大解决方案的另一个答案。它避免了粘贴和解析，并且速度更快一些：

vec <- do.call('c', lapply(seq_along(start), function(i) call(':', start[i], end[i])))
mat <- matrix(vec,ncol=2,byrow=T)

计时：

set.seed(42)
n <- 1e5
start <- sample(10, n, replace=TRUE)
end <- start + sample( 3, n, replace=TRUE)*2-1

# @James code: 6,64 secs
system.time({
  for(i in 1:10) {
    txt <- paste("c(",paste(start,end,sep=":",collapse=","),")",sep="")
    vec <- eval(parse(text=txt))
    mat <- matrix(vec,ncol=2,byrow=T)
  }
})

# My variant: 5.17 secs
system.time({
  for(i in 1:10) {
    vec <- do.call('c', lapply(seq_along(start), function(i) call(':', start[i], end[i])))
    mat <- matrix(vec,ncol=2,byrow=T)
  }
})