我可以把这个dplyr+；data.table任务更快？

我想这更像是一个

dplyr

问题，而不是

plyr

问题。为了提高速度，我在我编写的一些代码中使用了

data.table

。在中间步骤中，我有一个包含约32000行基因组数据的表格：

> bedbin.dt
Source: local data table [32,138 x 4]
Groups: chr

   bin   start           site chr
1    2 3500000         ssCTCF   1
2    3 4000000 ssCTCF+Cohesin   1
3    3 4000000         ssCTCF   1
4    4 4500000         ucCTCF   1
5    4 4500000 ssCTCF+Cohesin   1
6    4 4500000 ssCTCF+Cohesin   1
7    4 4500000 ssCTCF+Cohesin   1
8    4 4500000         ssCTCF   1
9    4 4500000         ssCTCF   1
10   5 5000000         ssCTCF   1
.. ...     ...            ... ...

编辑

或者像这样的前一百行数据（thx给里卡多·萨波尔塔的指令）

在我看来，这是slooowwww…尽管相对使用

data.frame

，或者像

by（）

或

lappy（）

这样的基本函数来说，这要快得多。然而，这实际上是一个很小的数据集，我正在测试它

---

所以。。。我想知道是否有人对outerFun的更快版本有什么想法？？？有没有比

rep（）

或

rep.int（）

更快的方法？

正如里卡多所指出的，听起来你只是想要这样：

bedbin.dt[, CJ(1:.N, 1:.N), by = chr]

---

嗨，你能发布一个可复制的例子吗？--您可以使用

repearch（）

。说明如下：-@RicardoSaporta，你好，我不确定如何发布一个完全可复制的示例。让我想想。也许我可以先编写代码来创建它？？请稍等……看看我贴的链接。您可以简单地使用

repearch（bedbin.dt，rows=100，cols=c（“bin”，“start”…）等））

不清楚您到底在做什么，但看起来您可能只是在寻找

CJ

函数？所以您想要交叉联接？你能解释一下原因吗？通常情况下，您不希望组合爆炸您拥有的数据量。我认为您应该将其存储在一个变量中，比如，

tt

，然后执行：

cbind（dt[tt$V1]，dt[tt$V2]）

，但不确定。在测试数据上，这为我自己的函数（1936）提供了不同的答案（5288行），而不是我想要的所有列。然而，CJ看起来确实是一个很有前途的功能。。。。但是我在数据表语法方面真的很弱，我需要去谷歌一下，直到我明白这里到底发生了什么。thx.@StephenHenderson抱歉，我无法安装

dplyr

，也不确定该代码的作用-这是我最好的猜测-

CJ

大致相同

expand.grid

btw@eddi是的，我想这已经接近我想要的了，而且要快一点。。但我不认为是1:.N，例如，在原始数据中没有bin=1，但在您的答案中有。因此，我可以使用您所做的-不知道CJ（）-但只需要掌握语法就可以自己解决它。谢谢again@StephenHenderson，如果您获取一个小数据并向我们展示您想要的输出，可能会有所帮助。

# grouped by chr column
bedbin.dt = group_by(bedbin.dt, chr)

# an outer like function
outerFun= function(dt)
  {
   unique(data.table(
    x=dt[rep(1:nrow(dt),each =nrow(dt)),],
    y=dt[rep.int(1:nrow(dt),times=nrow(dt)),]))
  }

> system.time((outer.bedbin.dt = do(bedbin.dt, outerFun1)))
   user  system elapsed 
 90.607  13.993 105.536

bedbin.dt[, CJ(1:.N, 1:.N), by = chr]