Sql 在R中选择表内行的快速方法？

我正在寻找一种从更大的表中提取大量行的快速方法。我的桌面如下：

> head(dbsnp)

      snp      gene distance
rs5   rs5     KRIT1        1
rs6   rs6   CYP51A1        1
rs7   rs7 LOC401387        1
rs8   rs8      CDK6        1
rs9   rs9      CDK6        1
rs10 rs10      CDK6        1

尺寸：

> dim(dbsnp)
[1] 11934948        3

我想选择列表中包含行名的行：

> head(features)
[1] "rs1367830" "rs5915027" "rs2060113" "rs1594503" "rs1116848" "rs1835693"

> length(features)
[1] 915635

毫不奇怪，这样做的简单方法花费了相当长的时间

我一直在研究通过R中的sqldf包实现这一点的方法。我认为这可能会更快。不幸的是，我不知道如何在SQL中选择具有特定行名的行

---

谢谢。

大多数人最初尝试的方式是：

dbsnp[ rownames(dbsnp) %in% features, ]  # which is probably slower than your code

---

因为您说这需要很长时间，所以我怀疑您已经超过了RAM容量，并且已经开始使用虚拟内存。您应该关闭系统，然后以R作为运行应用程序重新启动，看看是否可以避免“虚拟化”。

使用

sqldf

您需要

rownames=TRUE

，然后您可以使用

row\u names

查询行名：

library(sqldf)

## input

test<-read.table(header=T,text="      snp      gene distance
rs5   rs5     KRIT1        1
rs6   rs6   CYP51A1        1
rs7   rs7 LOC401387        1
rs8   rs8      CDK6        1
rs9   rs9      CDK6        1
rs10 rs10      CDK6        1
")
features<-c("rs5","rs7","rs10")

## calculate

inVar <- toString(shQuote(features, type = "csh")) # 'rs5','rs7','rs10'

fn$sqldf("SELECT * FROM test t
          WHERE t.row_names IN ($inVar)"
           , row.names = TRUE)

## result
#      snp      gene distance
#rs5   rs5     KRIT1        1
#rs7   rs7 LOC401387        1
#rs10 rs10      CDK6        1

---

此外，如果数据足够大，我们可以使用索引来加快速度。有关此详细信息和其他详细信息，请参阅。

数据。表解决方案：

library(data.table)
dbsnp <- structure(list(snp = c("rs5", "rs6", "rs7", "rs8", "rs9", "rs10"
), gene = c("KRIT1", "CYP51A1", "LOC401387", "CDK6", "CDK6", 
"CDK6"), distance = c(1L, 1L, 1L, 1L, 1L, 1L)), .Names = c("snp", 
"gene", "distance"), class = "data.frame", row.names = c("rs5", 
"rs6", "rs7", "rs8", "rs9", "rs10"))

DT <- data.table(dbsnp, key='snp')
features <- c('rs5', 'rs7', 'rs9')
DT[features]

   snp      gene distance
1: rs5     KRIT1        1
2: rs7 LOC401387        1
3: rs9      CDK6        1

库（data.table）
dbsnp检查
data.table
包。您可以使用键来执行此操作。您的“行名称”是否与snp列相同？是的，两者相同。我将查看data.table.只是出于兴趣，有没有人知道如果您首先使用
foo之类的机制获取行号，是否会有时间差？我尝试按照您建议的方式选择行，这将“通常”完成。它的速度快得多（我没意识到你可以从列表到列表的百分比）。从你显示的内容来看，我认为这两个对象都是“原子向量”，而不是R“列表”。我承认我对它的速度感到有点惊讶。酷-下次我会记住这个区别。事实上，我刚刚从你的帖子中了解到了两者的区别：
library(data.table)
dbsnp <- structure(list(snp = c("rs5", "rs6", "rs7", "rs8", "rs9", "rs10"
), gene = c("KRIT1", "CYP51A1", "LOC401387", "CDK6", "CDK6", 
"CDK6"), distance = c(1L, 1L, 1L, 1L, 1L, 1L)), .Names = c("snp", 
"gene", "distance"), class = "data.frame", row.names = c("rs5", 
"rs6", "rs7", "rs8", "rs9", "rs10"))

DT <- data.table(dbsnp, key='snp')
features <- c('rs5', 'rs7', 'rs9')
DT[features]

   snp      gene distance
1: rs5     KRIT1        1
2: rs7 LOC401387        1
3: rs9      CDK6        1