替换 R data.table 中值的更快方法

Question

自从我编写 R 代码以来已经有一段时间了，我现在正试图与 data.table 相处。 现在我有一个 data.table （来自变体调用），我想用单词替换一些值。 我认为 fcase() 在这里会很好，但我无法让它工作。 这是我的工作代码：

rawdata[rawdata == "0/0" | rawdata == "0|0"] <- "REF"
rawdata[rawdata == "0/1" | rawdata == "0|1"] <- "HET"
rawdata[rawdata == "1/0" | rawdata == "1|0"] <- "HET"
rawdata[rawdata == "1/1" | rawdata == "1|1"] <- "ALT"
rawdata[rawdata == "./." | rawdata == ".|."] <- NA
for (i in 1:nrow(rawdata)) {
  for (j in 6:ncol(rawdata)) {
    if ((rawdata[i,..j] != "REF") & (rawdata[i,..j] != "HET") & (rawdata[i,..j] != "ALT") & !is.na(rawdata[i,..j])) {
      rawdata[i,j] <- NA
    }
  }
}

因此，它所做的是将所有 0/0、0|0 替换为“REF”，将所有 0/1、0|1、1/0、1|0 替换为“HET”，所有 1/1、1|1带有“ALT”和所有 ./., .|. 与NA。 之后，每个不是“REF”、“HET”或“ALT”的条目都应分配为 NA，但不是前 5 列。 代码有效，只是不是很优雅，尤其是 for/for 循环需要很长时间。 rawdata 有 8 列和大约 26000 行。 我愿意接受建议。

谢谢 ：）

structure(list(`# [1]CHROM` = c("manually removed"),
`[2]POS` = c("manually removed"),
`[3]ID` = c("manually removed"),
`[4]REF` = c("manually removed"),
`[5]ALT` = c("manually removed"),
Sample1 = c("manually removed"),
Sample2 = c("manually removed"),
Sample3 = c("manually removed")),
row.names = c(NA, -6L),
.internal.selfref = <pointer: 0x55a3227c91e0>,
class = c("data.table", "data.frame"))

Answer 1

与fcase ：

library(data.table)
rawdata <- structure(list(`# [1]CHROM` = c("manually removed"),
                          `[2]POS` = c("0/0"),
                          `[3]ID` = c("0/1"),
                          `[4]REF` = c("1/0"),
                          `[5]ALT` = c("1/1"),
                          Sample1 = c("manually removed"),
                          Sample2 = c("manually removed"),
                          Sample3 = c("manually removed")),
                     row.names = c(NA, -6L),
                     class = c("data.table", "data.frame"))


rawdata[,(colnames(rawdata)):=lapply(.SD,function(x) fcase(x == "0/0" | x == "0|0", "REF",
                                                           x == "0/1" | x == "0|1", "HET", 
                                                           x == "1/0" | x == "1|0", "HET", 
                                                           x == "1/1" | x == "1|1", "ALT",
                                                           T, NA_character_))][]
#>    # [1]CHROM [2]POS  [3]ID [4]REF [5]ALT Sample1 Sample2 Sample3
#>        <char> <char> <char> <char> <char>  <char>  <char>  <char>
#> 1:       <NA>    REF    HET    HET    ALT    <NA>    <NA>    <NA>

Answer 2

这是解决您的问题的一种可能方法。 请注意， cases中未指定的值（如.|.等）将变为NA ）

cases = c(REF = "0/0", REF = "0|0", 
          HET = "0/1", HET = "0|1", HET = "1/0", HET = "1|0", 
          ALT = "1/1", ALT = "1|1")

cols = c("Sample1", "Sample2", "Sample3")  # names of the columns from 6 to 8 

rawdata[, (cols) := lapply(.SD, function(x) names(cases)[chmatch(x, cases)]), .SDcols=cols]