如何使用位置索引操作data.frame并重建所需的数据帧？

我有一个data.frame，它由两个不同的索引向量组成，

query

命名为

que

，

target

命名为

Sub

，是同时搜索三个单独data.frame的区间数据重叠的结果，作为输入（考虑通过并行方式对齐三个区间集）。但是，

inputDF

是搜索重叠间隔的结果。我想用一种特殊的方式构造这个带有位置索引的data.frame，比如减少

inputDF

的维数，重新组合索引并重建新的data.frame，它以几何方式显示重叠索引对。有没有办法操纵

inputDF

并重建我想要的data.frame？有人能告诉我如何轻松实现这一点吗？是否有任何有效的方法来使用

inputDF

并构建所需的data.frame？有什么想法吗

以下是间隔对齐的可视化：

以下是结果示例data.frame：

inputDF <- data.frame(
    que=c(5 , 7 , 8 , 9 ,14 ,16, 17 ,20 ,21, 22 , 8 , 9 ,16 ,22 , 2 ,12 ,15 ,18,
          21 , 4 , 3 , 7 ,15 ,21 ,13 ,19 , 4 , 5 , 6, 13, 14, 19 ,20, 2 , 3 ,12,
          18 , 6 , 5 ,11, 14, 20  ,8 ,16 ,22 , 9 ,17 , 1, 10 , 1 , 2 , 3, 11,12,
          18 , 1 ,10),
    subj=c( 5 , 7 , 8, 17 , 5 ,8 ,17 , 5 ,7 ,8, 22 ,22, 22, 22 , 2 ,2 ,15, 2,
            15  ,4  ,3 ,21 ,21 ,21 ,13 ,13 ,20 ,20 ,20 ,19 ,20 ,19 ,20 ,12 ,12 ,12,
            12 ,6 ,14 ,11 ,14 ,14 ,16 ,16 ,16 ,9  ,9  ,1  ,1 ,18 ,18 ,18 ,18 ,18, 18 ,10 ,10)
)

编辑：

例如，这些是间隔数据以及我所需的data.frame的构造方式：

intDF <- list(
    bar=data.frame(start=c(8,18,33,53,69,81,105,115,135),
                   stop=c(14,21,39,61,73,87,111,120,153)),
    cat=data.frame(start=c(6,15,20,44,71,99,113,141),
                   stop=c(10,17,34,51,78,103,124,147)),
    foo=data.frame(start=c(11,43,57,101,117), 
                   stop=c(36,49,92,109,139))
)

intDF <- bind_rows(intDF)  # now it is easier to understand position index, such as `10`,`11` refers to 10th, 11th row in `intDF` and so on.

que self.sub subj1 subj2

1   1       10      18
2   2       12      18
3   3       12      18
4   4       20
5   5       14      20
6   6       20
7   7       21
8   8       16      22

---

intDF我们可以使用dplyr实现这一点

首先，我们按“que”分组，按“sub”排序，然后将列设置为不等于“que”的第一个和第二个sub：

library(dplyr)
inputDF %>%
 group_by(que) %>%
 arrange(subj) %>%
 summarise(self.sub = que[1], subj1 = subj[subj!=que][1], subj2 = subj[subj!=que][2])

Source: local data frame [22 x 4]

     que self.sub subj1 subj2
   (dbl)    (dbl) (dbl) (dbl)
1      1        1    10    18
2      2        2    12    18
3      3        3    12    18
4      4        4    20    NA
5      5        5    14    20
6      6        6    20    NA
7      7        7    21    NA
8      8        8    16    22
9      9        9    17    22
10    10       10     1    NA
..   ...      ...   ...   ...

为了响应您的编辑，我们可以使用
IRanges
软件包：

library(IRanges)
myranges = IRanges(start = intDF$start, end = intDF$stop)
data = as.data.frame(findOverlaps(myranges))
data
   queryHits subjectHits
1          1          10
2          1           1
3          1          18
4          2          18
5          2           2
6          2          12
7          3          18
8          3          12
9          3           3
10         4           4
...       ...         ...

对于每个
que
，您是否总是有一个且只有一个与自身相等的
sub
。@Psidom是的，这是关键点，基本上，我可以复制
que
，并将其重命名为
self\u sub
。你能告诉我实现这一目标的可能办法吗？非常感谢：）使用
dcast
：
dcast（x[order（que！=sub，que，sub）]，que~rowid（que，prefix=“sub”）
@Arun亲爱的Arun，我添加了间隔数据并使用
bind_rows
获取单个数据。frame
intDF
。将您的解决方案应用于我的数据时出错。也可以使用base R来实现这一点吗？谢谢：）@Arun我在将您的解决方案应用于我的数据时出错：
未找到对象“que”
，我在您的回答中使用变量
x
的
inputDF
。亲爱的jeremycg，我使用
bind_rows
获取单个DF
intDF
，然后继续搜索重叠，
inputDF
作为位置索引重叠间隔的结果（数字索引指行）。根据我的更新，在BaseR中也可能发生这种情况吗？谢谢：）–请参见编辑，可以在base R中进行编辑，但在IRanges软件包中要容易得多是的，使用
IRanges
软件包我将获得
inputDF
，但是如何将
inputDF
更改为我想要的？也可以看到基本R解决方案吗？非常感谢：）
library(IRanges)
myranges = IRanges(start = intDF$start, end = intDF$stop)
data = as.data.frame(findOverlaps(myranges))
data
   queryHits subjectHits
1          1          10
2          1           1
3          1          18
4          2          18
5          2           2
6          2          12
7          3          18
8          3          12
9          3           3
10         4           4
...       ...         ...