在R中的数据帧元素内存储列表

Question

我想创建一个数据结构，其形式为

Start, End, Elements
  3  , 6  ,  {4,5}
  4 ,  10 ,  {7,8,9}
   ....

换句话说，我正在沿着一条线移动一个球。“开始”表示球最左边的位置，“结束”表示最右边的位置。"Elements“意思是，不知何故，我发现这些位置很特别。当元素的数量可能变得非常大时，最好的数据结构是什么？我能想到的唯一一件事就是数据框，其中第三列是一个适当格式化的字符串。然后，如果我想要查看集合中的每个数字，我就必须解析字符串。R有没有更好的数据格式？

谢谢!

Answer 1

我的评论中提到的选项，即简单地对其中一列使用列表：

dat <- data.frame(Start = 3:4, End = c(6,10))
> dat
  Start End
1     3   6
2     4  10
> dat$Elements <- list(4:5,7:9)
> dat
  Start End Elements
1     3   6     4, 5
2     4  10  7, 8, 9

当然，您也可以完全抛弃数据帧，简单地使用简单的旧列表(无论如何，这在许多情况下可能更有意义)：

list(list(Start = 3,End = 6, Elements = 4:5),list(Start = 4,End = 10,Elements = 7:9))
[[1]]
[[1]]$Start
[1] 3

[[1]]$End
[1] 6

[[1]]$Elements
[1] 4 5


[[2]]
[[2]]$Start
[1] 4

[[2]]$End
[1] 10

[[2]]$Elements
[1] 7 8 9

Answer 2

您可以将其存储为较高的数据帧，而不是较宽的数据帧，并可能使用data.table来有效地处理它。也就是说，为每个元素创建一行，而不是为每个起始-结束对创建一行

library(data.table)
dt = data.table(Start=c(3, 3, 4, 4, 4), End=c(6, 6, 10, 10, 10), Elements=c(4, 5, 7, 8, 9))
#   Start End Elements
#1:     3   6        4
#2:     3   6        5
#3:     4  10        7
#4:     4  10        8
#5:     4  10        9

这将使您可以非常容易地对数据进行多种处理，例如确定每个范围中有多少元素：

dt[, list(Num.Elements=length(Elements)), by=c("Start", "End")]

#    Start End Num.Elements
# 1:     3   6            2
# 2:     4  10            3

这还将使数据易于用于使用ggplot软件包的绘图，该软件包通常要求数据采用较高的格式。

您可能会注意到这种数据结构很浪费，因为它重复了每个元素的开始和结束。然而，数据表的存储效率非常高-即使您的元素列表确实有数百万长，它也可以很容易地适合并以这种方式进行处理。尝试如下所示的行：

dt = data.table(Start=1:1e6, End=1:1e6, Elements=1:1e6)

来做个演示。这肯定比保持每个元素列表为一个字符串并每次拆分它更快。