Performance 避免R中data.frame的行处理

我想知道在R中避免行处理的最好方法是什么，大多数行处理都是在内部C例程中完成的。例如：我有一个数据框

a

：

  chromosome_name start_position end_position strand
1              15       35574797     35575181      1
2              15       35590448     35591641     -1
3              15       35688422     35688645      1
4              13       75402690     75404217      1
5              15       35692892     35693969      1

---

我想要的是：根据链是正的还是负的，

startOFgene

作为

start\u位置

或

end\u位置

。避免

for

循环的一种方法是使用+1链和-1链分离data.frame并执行选择。还有什么方法可以加快速度？如果每行有某些其他复杂的处理，则该方法不会放大

也许这足够快了

transform(a, startOFgene = ifelse(strand == 1, start_position, end_position))


  chromosome_name start_position end_position strand startOFgene
1              15       35574797     35575181      1    35574797
2              15       35590448     35591641     -1    35591641
3              15       35688422     35688645      1    35688422
4              13       75402690     75404217      1    75402690
5              15       35692892     35693969      1    35692892

---

首先，由于所有列都是整数/数字，因此可以使用矩阵而不是data.frame。矩阵上的许多操作要比data.frame上的相同操作快得多，尽管在这种情况下它们并没有太大区别。然后可以使用逻辑子集来创建

startOFgene

列

# Create some large-ish data
M <- do.call(rbind,replicate(1e3,as.matrix(a),simplify=FALSE))
M <- do.call(rbind,replicate(1e3,M,simplify=FALSE))
A <- as.data.frame(M)
# Create startOFgene column in a matrix
m <- function() {
  M <- cbind(M, startOFgene=M[,"start_position"])
  negStrand <- sign(M[,"strand"]) < 0
  M[negStrand,"startOFgene"] <- M[negStrand,"end_position"]
}
# Create startOFgene column in a data.frame
d <- function() {
  A$startOFgene <- A$start_position
  negStrand <- sign(A$strand) < 0
  A$startOFgene[negStrand] <- A$end_position[negStrand]
}
library(rbenchmark)
benchmark(m(), d(), replications=10)[,1:6]
#   test replications elapsed relative user.self sys.self
# 2  d()           10  18.804    1.000    16.501    2.224
# 1  m()           10  19.713    1.048    16.457    3.152

#创建一些大型ish数据
M您是否考虑过先对数据帧进行排序（检查
？排序
或
？排序
）-它可能会加快您的搜索速度（如加快排序/排序矩阵的计算速度）