在R中解析数据时出错

Question

我尝试编写以下代码，以识别范围内的数字，即：SNP [i，1]应小于Working [j，1]并大于Working [j，2]，以将其添加到新数据帧中。

SNP文件为350行，可工作6500。由于某种原因，我最终得到10000行的数据，这些数据不符合我的条件。

很明显我这里有问题吗？

for (i in 1:nrow(SNP_file)){
  for (j in 1:nrow(Working)){

if ((as.numeric(SNP_file[i,1]) >= as.numeric(Working[j,1])) && (as.numeric(SNP_file[i,1]) <= as.numeric(Working[j,2]))){
  New <- rbind(New, data.frame(Chromosome =Working[j, 1], 
                                    Start= Working[j, 2], 
                                    Stop = Working[j, 3], 
                                    GO = Working[j,4],
                                    Position = VCF[i,1],
                                    REF = SNP_file[i,2],
                                    GT = SNP_file[i,3],
                                    Site_Conf = SNP_file[i,4]
                                    ))
}}}

谢谢，

Ĵ

Answer 1

由于比较是矢量化的，因此可以避免for循环：

indx <- SNP_file[,1] >= Working[,1] & SNP_file[,1] <= Working[,2]
[1]  TRUE  TRUE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE

这输出满足条件的行的逻辑向量。 这非常有帮助，因为现在您可以将该向量用作子集的索引。

newdf <- cbind(SNP_file[indx,2], Working[indx,2:3])

在这种情况下，我将SNP的第二列以及“ Working的第二列和第三列分配给了新的数据帧。 并且只有符合条件的行。

---

这只是为了清楚起见而已。 您的示例不可复制，请尝试以下操作：

Working <- Working[1:nrow(SNP_file),]
indx <- as.numeric(SNP_file[,1]) >= as.numeric(Working[,1]) & as.numeric(SNP_file[,1]) <= as.numeric(Working[,2])
New <- data.frame(Chromosome =Working[indx, 1], 
                  Start     = Working[indx, 2], 
                  Stop      = Working[indx, 3], 
                  GO        = Working[indx, 4],
                  Position  = VCF[indx, 1],
                  REF       = SNP_file[indx,2],
                  GT        = SNP_file[indx,3],
                  Site_Conf = SNP_file[indx,4]
                                    )

注意，两个数据帧的长度不相等。 将Working的前350行与SNP_file进行了比较。 如果您以不同的方式进行比较，则应指定它。

数据

set.seed(7)
SNP_file <- data.frame(x=sample(10), y=month.abb[1:10])
Working <- data.frame(x=sample(10), y=sample(20,10), z=(sample(LETTERS[1:10])))

Answer 2

从您的原始帖子中还不清楚您想要实现什么。 索引i和j如何对应？ 您能否举例说明数据（输入和所需的输出）？

在你的代码回路重复6500 * 350 = 2275000次，它SNP_file 每一行与工作 中的每一行进行比较。