将R脚本转换为perl？

我有一个R脚本，我想用它来解析一个文件并从中获取一些信息，但是这个文件是44GB

有人能帮我用一种读文件速度更快的编程语言来写吗

脚本非常简单：

ld <- read.table("plink-inter-chr---ld-window-r2-0.ld", header = T)
ldv1 <- do.call(rbind, strsplit(as.character(ld[,1]), "_"))
ldv4 <- do.call(rbind, strsplit(as.character(ld[,4]), "_"))
ld <- matrix(c(ldv1[,2], ldv4[,2], ld[,2], ld[,5], ld[,7]), ncol=5)
N <- 30
within <- numeric(N)
between <- numeric(N)
for(i in 1:N){
within[i] <- mean(as.numeric(ld[which(ld[,1] == i & ld[,2] == i),5]))
between[i] <- mean(as.numeric(ld[which(ld[,1] == i & ld[,2] != i),5]))
}
table <- matrix(c(within, between), ncol=2)
write.table(table, file = "within-between.tab", quote = FALSE, row.names = FALSE, col.names = FALSE)

谢谢你的帮助，

---

Adrian

在R代码中，有些地方你在浪费时间，而且速度变慢了（因此可能会大大加快），包括：

您正在读取字符串，将其转换为因子，然后将其转换回字符串。查看

read.table

的

stringsAsFactors

参数，了解如何避免这两种转换

在执行此操作时，可以通过在

read.table

中指定

colClasses

来提高速度，这样函数就不需要浪费时间猜测每列应该是什么

在执行字符串拆分后，您可以将所有内容合并到一起，但只使用每个结果矩阵中的一列。只获取第一个“”后的数字（或非“”的序列）可能会更快，您可以使用gsubfn包中的

stripply

函数，或者只使用

regexpr

和

regmatches

函数

使用

cbind

函数创建ld矩阵可能比使用

matrix

进行串联然后重新缠绕要快。实际上，为什么要首先创建矩阵，您不使用其中的两列，而其他列是单独使用的。这还会将数字转换为稍后需要转换回的字符

在循环中运行

as.numeric

是低效的，您不断地反复转换相同的值，只需在循环之前对整个矩阵执行单个

as.numeric

您不需要调用

which

，因为订阅可以在

which

上正常工作

---

修正上述问题，看看结果的速度有多快。

对于那些R不流利的人，你能举个例子说明输出应该是什么样子吗？@AdrianP：你的“有人能帮我用一种读文件速度更快的编程语言写这篇文章”是什么意思？你懂什么语言，需要什么帮助？我想这与你的工作有关，如果你利用他人的努力并为他人的努力获得报酬，那将是非常错误的。我正在攻读我的科学硕士学位。我确实因为做硕士而得到奖学金，但这不是传统意义上的就业。我懂一点perl和python。

 CHR_A         BP_A SNP_A  CHR_B         BP_B SNP_B           R2           DP
NODE_1_length_193190_coverage_19.3759_GC_24.97          919    . NODE_1_length_193190_coverage_19.3759_GC_24.97         2210    .            1            1
NODE_1_length_193190_coverage_19.3759_GC_24.97          919    . NODE_1_length_193190_coverage_19.3759_GC_24.97         2419    .            1            1
NODE_1_length_193190_coverage_19.3759_GC_24.97          919    . NODE_1_length_193190_coverage_19.3759_GC_24.97         2524    .            1            1
NODE_1_length_193190_coverage_19.3759_GC_24.97          919    . NODE_1_length_193190_coverage_19.3759_GC_24.97         2587    .            1            1
NODE_1_length_193190_coverage_19.3759_GC_24.97          919    . NODE_1_length_193190_coverage_19.3759_GC_24.97         2799    .            1            1
NODE_1_length_193190_coverage_19.3759_GC_24.97          919    . NODE_1_length_193190_coverage_19.3759_GC_24.97         2947    .            1            1
NODE_1_length_193190_coverage_19.3759_GC_24.97          919    . NODE_1_length_193190_coverage_19.3759_GC_24.97         3142    .            1            1
NODE_1_length_193190_coverage_19.3759_GC_24.97          919    . NODE_1_length_193190_coverage_19.3759_GC_24.97         3178    .            1            1
NODE_1_length_193190_coverage_19.3759_GC_24.97          919    . NODE_1_length_193190_coverage_19.3759_GC_24.97         3261    .            1            1