时间戳

首页 > 解决方案 > R中的值区间窗口

r - R中的值区间窗口

问题描述

我有几个窗口间隔看起来像这样：

Start       Stop
19136293    19138512
20708651    20716555
31063462    31064384

然后我的数据看起来像这样：

Read TrueC MapC TruePos     MappedPos   ResMap
JLN6    22  22  16050005    16050091    TP
9MRW    22  22  16050032    16050032    TP
GRR3    22  14  16050075    19792677    FP
V19X    22  *   17023341    0           FN

我正在尝试查找先前窗口内外的读取量；如果TruePos值在一个窗口间隔内，则读取在窗口内。我的目标是在窗口内外都有 TP/FP/FN（ResMap列）的数量。

我想在我的 Windows 文件上创建 for 循环，然后逐一检查我的数据的每一行并求和，但我有 6 亿行，我相信有一种最快的方法.. 我只是不知道。

非常感谢，

干杯，

卡加米

标签： rdataframeintervals

解决方案

由于您没有提供任何可重现的数据，因此我使用了自己的一些示例数据

dput(range)
structure(list(start = c(10L, 25L, 50L, 61L, 85L, 100L), end = c(15L, 
27L, 53L, 66L, 89L, 102L)), class = "data.frame", row.names = c(NA, 
-6L))

> range
  start end
1    10  15
2    25  27
3    50  53
4    61  66
5    85  89
6   100 102

> dput(df)
structure(list(Id = 1:15, truepos = c(65L, 59L, 61L, 74L, 92L, 
49L, 72L, 96L, 81L, 2L, 34L, 27L, 66L, 87L, 19L)), class = "data.frame", row.names = c(NA, 
-15L))

> df
   Id truepos
1   1      65
2   2      59
3   3      61
4   4      74
5   5      92
6   6      49
7   7      72
8   8      96
9   9      81
10 10       2
11 11      34
12 12      27
13 13      66
14 14      87
15 15      19

我已经使用名为的包fuzzyjoin来执行此操作，它将添加一个新列，只要它在某个范围内时就会inside_range给出值TrueTRUEPOS

library(fuzzyjoin)
fuzzy_left_join(df, range, by = c("truepos" = "start", "truepos" = "end"), 
                match_fun = list(`>=`, `<`)) %>% mutate(inside_range = !is.na(start)) %>%
  select(-start, -end)

>  Id truepos inside_range
1   1      65         TRUE
2   2      59        FALSE
3   3      61         TRUE
4   4      74        FALSE
5   5      92        FALSE
6   6      49        FALSE
7   7      72        FALSE
8   8      96        FALSE
9   9      81        FALSE
10 10       2        FALSE
11 11      34        FALSE
12 12      27        FALSE
13 13      66        FALSE
14 14      87         TRUE
15 15      19        FALSE

我认为这符合您的目的，您可以在您的数据上复制这种方法df。祝你好运

推荐阅读