相交多对整数向量

Question

我有一个 list 的 integer vectors:

set.seed(1)
l <- list(g1=as.integer(runif(10,1,100)),
          g2=as.integer(runif(5,1,100)),
          g3=as.integer(runif(5,1,100)),
          g4=as.integer(runif(8,1,100)))

（实际上它有 1000 个元素长，向量元素的平均长度在 100 个左右）

我想计算所有 l 元素对及其对应的 hypergeometric/fisher.test union 上的 intersection p-value.

这是我目前正在做的事情：

首先我生成一个矩阵来存储其所有元素对的 l 索引：
```
idx.mat <- t(combn(1:length(l),2))
```

这部分速度非常快，可以使用 combnPrim

提高速度

然后我运行这个函数得到我想要的输出：

res.df <- do.call(rbind, lapply(1:nrow(idx.mat), function(i){ gi.length <- length(l[[idx.mat[i,1]]]) gj.length <- length(l[[idx.mat[i,2]]]) set.diff.1 <- length(setdiff(l[[idx.mat[i,1]]],l[[idx.mat[i,2]]])) set.diff.2 <- length(setdiff(l[[idx.mat[i,2]]],l[[idx.mat[i,1]]])) gi.gj.inter <- length(intersect(l[[idx.mat[i,1]]],l[[idx.mat[i,2]]])) gi.gj.union <- length(unique(c(l[[idx.mat[i,1]]],l[[idx.mat[i,2]]]))) p.value <- fisher.test(matrix(c(gi.length+gj.length- gi.gj.union,set.diff.1,set.diff.2,gi.gj.inter),nrow=2),alternative="greater")$p.value return(data.frame(gi=names(l)[idx.mat[i,1]], gj=names(l)[idx.mat[i,2]], gi.gj.inter=gi.gj.inter, gi.gj.union=gi.gj.union, gi.gj.iou=gi.gj.inter/gi.gj.union, gi.gj.iou.p.val=p.value, stringsAsFactors=F)) }))

但对于我的实际数据大小，这有点慢。

知道如何更快地实现这一点吗？

Answer 1

尝试将 l 表示为 1/0 矩阵：

max.val = max(sapply(l, max))
mat = do.call(rbind, lapply(l, function(x) {z = rep(0, max.val); z[x] = 1; z}))

现在您可以轻松地预先计算成对的交集和并集：

pair_intsct = mat %*% t(mat)

pair_union = outer(rowSums(mat), rowSums(mat), '+') - pair_intsct

相交多对整数向量

Intersecting many pairs of integer vectors

r

list

intersection

combn