R 中 apply() 函数中的 Substr() 函数

Question

我有一个包含 2500 万行的数据框，我需要运行一个子字符串函数来处理所有 2500 万行数据。由于数据框的大小，我认为应用是最有效的方法。

df <- data.frame( seq_start=c(75, 59, 44), 
                  seq_end=c(151, 135, 120), 
                  sequence=c("NCCTCTACCAGCCTTTTATTGTTAAAAATTGTGAATTTATGGAAAGGTTGTAGGAATAAGTTTCTAATGTATTAATTATTCTCATTCTTAGGTGCATTTTATATGGACCATGATCTGATGGGACTACTGGAATCAGGCTTGGTTCATTTTA", "NTATTACTAAGAGATTTGGTTTTAACTATGAATCCATGATGAAATTATGAACTCTTAATAAATTTAAAAAGACAAGCAACCCAATCAAAAAATGGGCAAAGGATATGAATGGGGAATTCACAGACAAGAAAACACAAATAGATCGGAAGAG", "NCCTCTACCAGCCTTTTATTGTTAAAAATTGTGAATTTATGGAAAGGTTGTAGGAATAAGTTTCTAATGTATTAATTATTCTCATTCTTAGGTGCATTTTTATCTGGTGTTTGAATATATGGACCATGATCTGATGGGACTACTGGAATCA"))

我认为最有效的函数：

apply(df,1,substr(sequence,seq_start,seq_end))

我不熟悉 apply 函数，循环是处理 2500 万行的低效方法。

Answer 1

不是 100% 确定你 need/want 但似乎使用 dplyr 语法在这里很有用（比 apply 更有用，因为你只是想提取一个子字符串来自单个列）

library(dplyr)
df %>%
  mutate(substring = substr(sequence,seq_start,seq_end))
  seq_start seq_end
1        75     151
2        59     135
3        44     120
                                                                                                                                                 sequence
1 NCCTCTACCAGCCTTTTATTGTTAAAAATTGTGAATTTATGGAAAGGTTGTAGGAATAAGTTTCTAATGTATTAATTATTCTCATTCTTAGGTGCATTTTATATGGACCATGATCTGATGGGACTACTGGAATCAGGCTTGGTTCATTTTA
2 NTATTACTAAGAGATTTGGTTTTAACTATGAATCCATGATGAAATTATGAACTCTTAATAAATTTAAAAAGACAAGCAACCCAATCAAAAAATGGGCAAAGGATATGAATGGGGAATTCACAGACAAGAAAACACAAATAGATCGGAAGAG
3 NCCTCTACCAGCCTTTTATTGTTAAAAATTGTGAATTTATGGAAAGGTTGTAGGAATAAGTTTCTAATGTATTAATTATTCTCATTCTTAGGTGCATTTTTATCTGGTGTTTGAATATATGGACCATGATCTGATGGGACTACTGGAATCA
                                                                      substring
1 ATTATTCTCATTCTTAGGTGCATTTTATATGGACCATGATCTGATGGGACTACTGGAATCAGGCTTGGTTCATTTTA
2 TAAATTTAAAAAGACAAGCAACCCAATCAAAAAATGGGCAAAGGATATGAATGGGGAATTCACAGACAAGAAAACAC
3 AAGGTTGTAGGAATAAGTTTCTAATGTATTAATTATTCTCATTCTTAGGTGCATTTTTATCTGGTGTTTGAATATAT

基数 R：

df$substring <- substr(df$sequence,df$seq_start,df$seq_end)

R 中 apply() 函数中的 Substr() 函数

Substr() function within the apply() function in R

r

apply

substrate