查找 R 中不是时间或基因组的整数重叠范围的值

Question

我正在尝试计算海洋物种和人类活动的重叠深度范围。 所以对于每个物种，它都有一个最小和最大深度，我想有效地计算与 4 种不同活动的深度范围重叠的深度范围。 我认为这可以用data.table::foverlaps()或IRanges::findOverlaps()来完成，但我不知道如何计算重叠的值，而不仅仅是它是真还是假。 因此，如果在 40-100 米深度之间发现物种 D，并且活动 1 发生在 0-50 米深度，则重叠为 10 米。

例如，

min_1 <- 0 
max_1 <- 50
min_2 <- 0 
max_2 <- 70
min_3 <- 0
max_3 <- 200
min_4 <- 0
max_4 <- 500

activities <- data.frame(min_1, max_1, min_2, max_2, min_3, max_3, min_4, max_4)

spp_id <- c("a", "b", "c", "d")
spp_depth_min <- c(0, 20, 30, 40)
spp_depth_max <- c(200, 500, 50, 100)

species <- data.frame(spp_id, spp_depth_min, spp_depth_max)

## data.table approach?

setDT(activities)
setDT(species)

foverlaps(species, activities, ...) ## Or do I need to subset each activity and do separate calculations? 

写一个 function 会不会更容易？ 我真的不熟悉，这似乎应该是一件很常见/容易做的事情，我不知道为什么它让我如此困惑

Answer 1

我将你的活动表重组为一个长表格，这样你就可以一次完成所有 4 项计算。 然后重叠连接完成，然后您可以根据结果计算重叠长度。

activities <- data.table(
  act = c('act_1','act_2','act_3','act_4'),
  a_min = c(min_1, min_2, min_3, min_4),
  a_max = c(max_1, max_2, max_3, max_4)
  )

spp_id <- c("a", "b", "c", "d")
spp_depth_min <- c(0, 20, 30, 40)
spp_depth_max <- c(200, 500, 50, 100)

species <- data.table(spp_id, spp_depth_min, spp_depth_max)

setkey(activities,a_min,a_max)

ol <- foverlaps(species, activities, 
  by.x = c('spp_depth_min','spp_depth_max'), 
  by.y = c('a_min','a_max')
  )
ol[,ol_length := pmin(spp_depth_max,a_max)-pmax(spp_depth_min,a_min)]
ol

Answer 2

为了完整起见，这里是一个使用非等连接而不是调用foverlaps() function 来查找重叠的版本。 此外，还使用了 OP 提供的原始数据，即宽格式的activities 。

library(data.table)
vals <- c("min", "max")
melt(setDT(activities), measure.vars = patterns(vals), variable.name = "activity", value.name = vals)[
  setDT(species), on = .(max >= spp_depth_min, min <= spp_depth_max), 
    .(activity, spp_id, overlap = pmin(x.max, spp_depth_max) - pmax(x.min, spp_depth_min))]

 activity spp_id overlap 1: 1 a 50 2: 2 a 70 3: 3 a 200 4: 4 a 200 5: 1 b 30 6: 2 b 50 7: 3 b 180 8: 4 b 480 9: 1 c 20 10: 2 c 20 11: 3 c 20 12: 4 c 20 13: 1 d 10 14: 2 d 30 15: 3 d 60 16: 4 d 60

解释

melt()用于同时使用多个度量变量将activities从宽格式重塑为长格式。

非相等连接的条件可以通过一些Boolean 代数推导如下：

两个闭区间 [a ₁ , a ₂ ] 和 [b ₁ , b ₂ ]不重叠如果

b ₂ < a ₁或 a ₂ < b ₁

如果这个 Boolean 表达式被取反，这两个区间确实重叠：

NOT( b ₂ < a ₁或 a ₂ < b ₁ ) =

不( b ₂ < a ₁ ) 不( a ₂ < b ₁ ) =

b ₂ >= a ₁和 a ₂ >= b ₁

连接识别所有重叠的间隔对（对于给定的数据集，它们是 4 x 4 = 16 个案例）。 每对重叠区域的起点由两个区间中较大的起点给出，终点由两个区间中较小的终点给出。 重叠的长度是极限点之间的差值。