加速R中的循环，以消除数据帧中字符串的一部分

我有以下巨大的数据帧：

> dim(cons)
[1] 14279806        5
> head(cons)
     Gene.ID        Gene.Symbol     Transcript.ID           miRNA context...score
1 ENSG00000188846.9       RPL14 ENST00000416518.1  hsa-miR-373-3p          -0.042
2 ENSG00000188846.9       RPL14 ENST00000416518.1 hsa-miR-520a-3p          -0.109
3 ENSG00000188846.9       RPL14 ENST00000416518.1    hsa-miR-520b          -0.085
4 ENSG00000188846.9       RPL14 ENST00000416518.1 hsa-miR-520c-3p          -0.085
5 ENSG00000188846.9       RPL14 ENST00000416518.1 hsa-miR-520d-3p          -0.109

我要做的是删除Gene.ID和Transcript.ID列中“.”后面的数字，在这两种情况下，“”前面总是有15个字符。 为此，我使用了以下代码：

for (i in 1:nrow(cons)){
  cons$Transcript.ID[i]<-substr(cons$Transcript.ID[i],1,15)
  cons$Gene.ID[i]<-substr(cons$Gene.ID[i],1,15)
}

for（1中的i:nrow（cons））{
cons$Transcript.ID[i]
substr
已矢量化，您只需执行以下操作：

cons$Transcript.ID<-substr(cons$Transcript.ID,1,15)
cons$Gene.ID<-substr(cons$Gene.ID,1,15)

如果它们不是因素，你可以先转换它们，但从@Benjamen下面的评论来看，你可能不会因为转换时间而获得时间

cons$Transcript.ID <- factor(cons$Transcript.ID) 
cons$Gene.ID       <- factor(cons$Gene.ID)       

cons$Transcript.ID如果要允许不同的字符串长度，还可以使用
sub
仅获取“.”之前的内容：

下面是一百万行的示例。时间以秒为单位

library(dplyr)
df = data.frame(ID1 = paste0("MGH45328914",sample(c(1001:9999),1000000,replace = T),".2"),
                ID2 = paste0("NJK4123914",sample(c(1001:9999),1000000,replace = T),".6"),stringsAsFactors = F)
system.time(df <- df %>% mutate(ID1 = strsplit(ID1, ".",fixed = T)[[1]][1],ID2 = strsplit(ID2, ".",fixed = T)[[1]][1]))

# user  system elapsed 
# 0.22    0.00    0.22 

df = data.frame(ID1 = paste0("MGH45328914",sample(c(1001:9999),10000000,replace = T),".2"),
                ID2 = paste0("NJK4123914",sample(c(1001:9999),10000000,replace = T),".6"),stringsAsFactors = F)
system.time(df <- df %>% mutate(ID1 = strsplit(ID1, ".",fixed = T)[[1]][1],ID2 = strsplit(ID2, ".",fixed = T,)[[1]][1]))

# user  system elapsed 
# 9.42    0.15    9.61 

库（dplyr）
df=数据帧（ID1=粘贴0（“MGH45328914”，样本（c（1001:9999），1000000，替换=T），”.2”），
ID2=paste0（“NJK4123914”，样本（c（1001:9999），1000000，替换=T），“.6”，stringsAsFactors=F）
系统时间（df%突变（ID1=strsplit（ID1，“.”，fixed=T）[[1]][1]，ID2=strsplit（ID2，“.”，fixed=T）[[1]]
#用户系统运行时间
# 0.22    0.00    0.22 

下面是1000万行的示例。时间以秒为单位

library(dplyr)
df = data.frame(ID1 = paste0("MGH45328914",sample(c(1001:9999),1000000,replace = T),".2"),
                ID2 = paste0("NJK4123914",sample(c(1001:9999),1000000,replace = T),".6"),stringsAsFactors = F)
system.time(df <- df %>% mutate(ID1 = strsplit(ID1, ".",fixed = T)[[1]][1],ID2 = strsplit(ID2, ".",fixed = T)[[1]][1]))

# user  system elapsed 
# 0.22    0.00    0.22 

df = data.frame(ID1 = paste0("MGH45328914",sample(c(1001:9999),10000000,replace = T),".2"),
                ID2 = paste0("NJK4123914",sample(c(1001:9999),10000000,replace = T),".6"),stringsAsFactors = F)
system.time(df <- df %>% mutate(ID1 = strsplit(ID1, ".",fixed = T)[[1]][1],ID2 = strsplit(ID2, ".",fixed = T,)[[1]][1]))

# user  system elapsed 
# 9.42    0.15    9.61 

df=data.frame（ID1=paste0（“MGH45328914”，样本（c（1001:9999），10000000，replace=T），”.2”），
ID2=paste0（“NJK4123914”，样本（c（1001:9999），10000000，替换=T），“.6”，stringsAsFactors=F）
系统时间（df%变异（ID1=strsplit（ID1，“.”，fixed=T）[[1]][1]，ID2=strsplit（ID2，“.”，fixed=T，）[[1]][1]））
#用户系统运行时间
# 9.42    0.15    9.61 
我认为匹配
“\\.[0-9]+$”
可能有点健壮。
“\\..*”
将删除第一个
之后的所有内容（在这种情况下可能可以接受），如果我们能够验证
之后的所有字符，那么匹配将更加健壮。”
是数字。这里可能是这种情况，但是如果在
之后出现字母或其他符号。”
它将失败。在我的系统上，我发现单独使用
substr
比转换为因子然后再转换为
substr
级别要快。但大部分是转换。如果它们已经是因子，那么在级别上工作要快得多。我使用了第一个解决方案，运行时非常好，谢谢！
df = data.frame(ID1 = paste0("MGH45328914",sample(c(1001:9999),10000000,replace = T),".2"),
                ID2 = paste0("NJK4123914",sample(c(1001:9999),10000000,replace = T),".6"),stringsAsFactors = F)
system.time(df <- df %>% mutate(ID1 = strsplit(ID1, ".",fixed = T)[[1]][1],ID2 = strsplit(ID2, ".",fixed = T,)[[1]][1]))

# user  system elapsed 
# 9.42    0.15    9.61