有效地将条件应用于矩阵

Question

我有一个 integer matrix:

set.seed(1)
counts.mat <- matrix(sample(50,29*10,replace=T),nrow=10,ncol=29)
colnames(counts.mat) <- c("ww.1m_1","ww.1m_2","wm.1m_1","wm.1m_2","wm.1m_3","wn.1m_1","wn.1m_2",
"A_1","A_2","B_1","B_2","C_1","C_2",
"ww.2m_1","ww.2m_2","ww.2m_3","wm.2m_1","wm.2m_2","wn.2m_1","wn.2m_2",
"ww.3m_1","ww.3m_2","ww.3m_3","wm.3m_1","wm.3m_2","wm.3m_3","wn.3m_1","wn.3m_2","wn.3m_3")

其元素表示从一组实验（在本例中为 3）中获取的特定测量值的计数，这些实验在 data.frame 的 list 中进行了描述：

df.list <- list(df1 = data.frame(gt1=c("ww.1m","wm.1m","wn.1m"),kt1=c("A","B","C"),stringsAsFactors=F),
                df2 = data.frame(gt2=c("ww.2m","wm.2m","wn.2m"),stringsAsFactors=F),
                df3 = data.frame(gt2=c("ww.3m","wm.3m","wn.3m"),stringsAsFactors=F))

df.list中每个data.frame的列是其对应实验的因子，该列的值是因子水平。 counts.mat 的 colnames 是这些因子水平的重复项，它们的名称遵循以下格式：

<factor.level>_<replicate>。

这对应于 df.list。

例如df.list$df1中的gt1是一个具有水平的因子：

"ww.1m" "wm.1m" "wn.1m"

其在 counts.mat 中各自的重复是：

"ww.1m_1","ww.1m_2","wm.1m_1","wm.1m_2","wm.1m_3","wn.1m_1","wn.1m_2"

给定：

min.replicates <- 1

min.counts <- 10

我想做的是每个因素（列），在每个 data.frame in df.list return TRUE or FALSE if at least min.replicates 或更多 counts.mat 中的每一行至少有 min.counts 或更多。

结果应为 matrix，其中列数等于 df.list 的因子水平总数，行数等于 counts.mat 的行数.

我认为这是一个缓慢的实现：

res.mat <- do.call(rbind,lapply(1:nrow(counts.mat),function(i){
  return(do.call(cbind,lapply(1:length(df.list),function(l){
    return(do.call(cbind,lapply(1:ncol(df.list[[l]]),function(j){
      return(do.call(cbind,lapply(1:nrow(df.list[[l]]),function(k){
        return(length(which(counts.mat[i,which(grepl(paste0(df.list[[l]][k,j],"_\d+$"),colnames(counts.mat),perl=T))] >= min.counts)) >= min.replicates)
        })))
      })))
    })))
}))

所以我正在寻找明显更快的东西。

Answer 1

我认为这做同样的事情，而且应该更快...

dfcols <- unlist(df.list) #extract list of columns required as a vector
matcols <- lapply(dfcols,function(x) which(startsWith(colnames(counts.mat),x))) #match to matrix columns
resmat <- sapply(1:length(dfcols),function(i) 
        apply(counts.mat[,matcols[[i]]],1,function(y) sum(y>=min.count) >= min.replicates))
colnames(resmat) <- dfcols #set colnames in output

在我上面的评论中进行了更正，并将 min.replicates 设置为 30（如果是 10，则所有元素都是 TRUE，以您的示例为例），这给出了...

resmat
      ww.1m wm.1m wn.1m     A     B     C ww.2m wm.2m wn.2m ww.3m wm.3m wn.3m
 [1,] FALSE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE
 [2,] FALSE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE FALSE FALSE  TRUE FALSE
 [3,]  TRUE  TRUE FALSE FALSE  TRUE FALSE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE
 [4,]  TRUE FALSE FALSE FALSE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE
 [5,]  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE
 [6,]  TRUE  TRUE FALSE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE FALSE  TRUE FALSE
 [7,]  TRUE  TRUE FALSE  TRUE FALSE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE FALSE
 [8,]  TRUE FALSE  TRUE FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE
 [9,]  TRUE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE
[10,]  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE

有效地将条件应用于矩阵

Efficiently applying conditions to a matrix

r

matrix

apply

dataframe

do.call