R-向量化嵌套for循环？

Question

我有两个大的数据帧(head(CON_FRAs)和head(indels)如下所示)，我希望比较和修改它们的值。我来自python背景，因此创建了这个嵌套的for循环，它实现了我的目标，即找到介于CON_FRAs$V4和CON_FRAs$V5之间的indels$V4的值，并将1加到indels$CON和CON_FRAs$V6上，只是非常慢(运行时间为1小时)。

有人能帮我把这段代码矢量化吗？

顺便说一句，我也意识到我不应该要求在嵌套循环中声明两次相同的if条件，但是当我在R中编程时，我发现许多事情是不直观的，并且不能让R从一个if语句中接受两个操作。

CON_FRAs

V1        V2        V3        V4        V5 V6
1  1  57859401  58018691  57859401  58018691  0
2  1  97522550  97892513  97522550  97892513  0
3  1 214173802 224638502 214173802 224638502  0
4  1 184035608 184239812 184035608 184239812  0
5  2 140988941 141140259 390239564 390390882  0
6  2 169205756 170181166 418456379 419431789  0

indels

V1        V2        V3         V4         V5  V6     V7  V8            V9 V10 mut_type CON BIG FUN MRA LET recomb
1  6  96651182  96651183 57859401 57859402  AA      T CLL 001-0002-03TD  NA  COMPLEX   0   0   0   0   0      0
2 10  38406960  38406961 1718780121 1718780122  AG      - CLL 003-0005-09TD  NA      DEL   0   0   0   0   0      0
3  2  87017743  87017744  336268366  336268367   C     CT CLL 003-0005-09TD  NA  COMPLEX   0   0   0   0   0      0
4 20   5538748   5538750 2724112091 2724112093 CCC      A CLL    012-02-1TD  NA  COMPLEX   0   0   0   0   0      0
5  9 139390648 139390649 1678550376 1678550377  AG      - CLL    012-02-1TD  NA      DEL   0   0   0   0   0      0
6 10  10498176  10498180 1690871337 1690871341   - GAAAAA CLL           125  NA      INS   0   0   0   0   0      0

我的嵌套循环

for(j in 1:length(indels$V4)){
   for(i in 1:length(CON_FRAs$V4)){
     if(CON_FRAs$V4[i] < indels$V4[j] & indels$V4[j] < CON_FRAs$V5[i])
       indels$CON[j] = 1
     if(CON_FRAs$V4[i] < indels$V4[j] & indels$V4[j] < CON_FRAs$V5[i])
       CON_FRAs$V6[i] = CON_FRAs$V6[i] + 1}}

更新:我已经设法提高了性能，使用了一种对半的方法，将一个矢量化命令放在一个循环中，从而消除了嵌套循环的指数增长，尽管仍然需要两个循环(见下文)。这已经将运行时间减少到2分钟以下。这将不得不做我现在，因为它是足够快，仍然感兴趣，如果有人可以提供一个完全矢量化的解决方案

for(j in 1:length(indels$V4)){
  inc(CON_FRAs$V6[CON_FRAs$V4 < indels$V4[j] & indels$V4[j] < CON_FRAs$V5]) <- 1}

for(i in 1:length(CON_FRAs$V6)){
  indels$CON[CON_FRAs$V4[i] < indels$V4 & indels$V4 < CON_FRAs$V5[i]] <- 1}

Answer 1

就你的旁注问题而言，这应该可以解决它：

for(j in 1:length(indels$V4)){
   for(i in 1:length(CON_FRAs$V4)){
     if(CON_FRAs$V4[i] < indels$V4[j] & indels$V4[j] < CON_FRAs$V5[i]) {
       indels$CON[j] = 1
       CON_FRAs$V6[i] = CON_FRAs$V6[i] + 1}
                                 } }

我认为这实际上是两个不同的问题，当从“向量化”的角度考虑时，其中一个矩阵是为逻辑测试生成的，可能是使用“外部”。如果不是"indel$CON“列，我认为它可能是"V6”(使用非基包中的apply或colMax )在“j”-rows上的"any“的结果：

outer(1:nrow(indels), 
      1:nrow(CON_FRAs),
       function(X,Y) {CON_FRAs$V4[X] < indels$V4[Y] & 
                      indels$V4[Y] < CON_FRAs$V5[X]} )

      [,1]  [,2]  [,3]  [,4]  [,5]  [,6]
[1,] FALSE FALSE FALSE FALSE FALSE FALSE
[2,] FALSE FALSE FALSE FALSE FALSE FALSE
[3,] FALSE FALSE FALSE FALSE FALSE FALSE
[4,] FALSE FALSE FALSE FALSE FALSE FALSE
[5,] FALSE FALSE FALSE FALSE FALSE FALSE
[6,] FALSE FALSE FALSE FALSE FALSE FALSE

注意事项。我在之前的工作中得到了不同的结果。修复逻辑表达式中的索引可以得到与您的代码相同的(微不足道的)结果，但如果您放入更好的测试用例，我们可能会更好地比较结果。