R - 加快for循环和粘贴/粘贴0之间的组合

Question

我正在处理具有数百万行和四列（即染色体、位置、等位基因 1、等位基因 2）的数据框“df”。现在我想将这些列中的字符连接成一个单独的向量“cc”。这是我的第一次尝试：

myfunc = function(CHR) {
    chr = subset(df, df$Chromosome == CHR)
    cc = data.frame(No=seq.int(nrow(chr)), pos_al1_al2=NA)
    for (i in 1: nrow(chr)) {
        cc$pos_al1_al2[i] = paste(CHR, chr$Position[i], ".", chr$Allele1[i], chr$Allele2[i])
        cc = cc[, -1] # remove the column 'No'
    }
} 

# Run my code 
myfunc(7)

其中CHR 是我将输入到函数中的我感兴趣的染色体数（例如，1、2、3、...或 22）。当然，CHR 必须在 1 到 22 的范围内，如 'df' 的 Chromosome 列中所示。

我的想法是：我首先创建了一个名为 cc 的空向量，其行数与 data.frame 'df' 相同。

现在我在cc 中创建了一个名为pos_al1_al2 的新列，其每一行都包含您在函数中看到的字符。

计算时间很慢。我猜它来自 for 循环，但我不知道优化我的功能。

任何帮助表示赞赏！提前致谢。

Answer 1

你有什么理由不能在矢量化模式下使用paste()：

myfunc <- function(CHR) {
    chr <- subset(df, df$Chromosome == CHR)
    cc <- data.frame(No = seq.int(nrow(chr)), pos_al1_al2=NA)
    cc$pos_al1_al2 <- paste(CHR, chr$Position, ".", chr$Allele1, chr$Allele2)
    cc = cc[, -1] # remove the column 'No'
}