数据框 每两列合并成一列 代码优化

大家好，

我最近在学习apply系列的编程，书中介绍apply函数运行更快，可以代替for循环，我的问题：

geno为10行20列的数据框，我想将其变为10行10列，即第一列和第二列合并，第三列和第四列合并，以此类推。

geno：

1. > geno
   
2.       [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11] [,12] [,13] [,14] [,15] [,16] [,17] [,18] [,19] [,20]
   
3. [1,]    3    9    9    9    2    1    6    7    3     2     6     9     6     6     3     8     5     6     8     3
   
4. [2,]    8    5    7    9    4    4    1    6    7     6     3     3     3     9     4     5     4     2     3     3
   
5. [3,]    4    7    6    7    4    8    4    7    4     4     5     1     3     7     1     4     6     8     7     9
   
6. [4,]    8    6    9    8    4    2    3    1    8     6     9     9     2     7     2     3     4     7     3     6
   
7. [5,]    9    1    6    1    2    6    8    5    1     3     5     7     4     5     8     1     4     7     6     9
   
8. [6,]    1    9    7    5    2    2    5    2    4     2     9     2     9     6     3     4     5     6     5     5
   
9. [7,]    5    3    5    7    3    2    8    4    9     8     9     5     2     8     3     6     7     4     3     4
   
10. [8,]    9    1    6    2    5    7    8    6    9     1     6     9     1     8     1     2     2     5     6     6
    
11. [9,]    5    3    3    3    3    9    8    4    8     5     4     6     2     9     3     5     4     8     9     2
    
12. [10,]    5    9    2    3    8    4    4    2    2     5     2     4     7     4     7     2     3     6     9     6

复制代码

想变为：

1. > X
   
2.       [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
   
3. [1,] "39" "99" "21" "67" "32" "69" "66" "38" "56" "83"
   
4. [2,] "85" "79" "44" "16" "76" "33" "39" "45" "42" "33"
   
5. [3,] "47" "67" "48" "47" "44" "51" "37" "14" "68" "79"
   
6. [4,] "86" "98" "42" "31" "86" "99" "27" "23" "47" "36"
   
7. [5,] "91" "61" "26" "85" "13" "57" "45" "81" "47" "69"
   
8. [6,] "19" "75" "22" "52" "42" "92" "96" "34" "56" "55"
   
9. [7,] "53" "57" "32" "84" "98" "95" "28" "36" "74" "34"
   
10. [8,] "91" "62" "57" "86" "91" "69" "18" "12" "25" "66"
    
11. [9,] "53" "33" "39" "84" "85" "46" "29" "35" "48" "92"
    
12. [10,] "59" "23" "84" "42" "25" "24" "74" "72" "36" "96

复制代码

我低效的代码如下：

1. set.seed(123)
   
2. geno <- matrix(sample(x=c(1:9),size = 10*20,replace = T),10,20)
   
3. geno
   
4. 
   
5. hebing <- function(geno){
   
6.   X <- matrix(0,dim(geno)[1],dim(geno)[2]/2)
   
7.   
   
8.   for(i in 1:dim(X)[2]){
   
9.   X[,i] <- paste(geno[,c(2*i-1)],geno[,2*i],sep = "")
   
10.   }
    
11.   return(X)
    
12. }
    
13. 
    
14. result <- hebing(geno)
    
15. result

复制代码

我的问题：

有没有更快的方法，比如我有300000列这样的数据，上面的代码就运行很慢，我想用apply或者更高效的方法。

十分感谢！

这既不是数据框问题，也不用apply来解决

1. set.seed(123)
   
2. geno <- matrix(sample(x = 1:9, size = 10*20, replace = T), 10, 20)
   
3. dim(geno) <- c(10, 2, 10)
   
4. geno <- matrix(paste0(geno[, 1, ], geno[, 2, ]), ncol = 10)

复制代码

dim(z) <- c(10,2,10)
z <- apply(z,c(1,3),sum)

我将三种方法使用，结果显示第二种方法，运算速度更快，也证明了R语音中，自带的向量运算是最快的，十分感谢楼上的解答。

测试代码如下：

1. set.seed(123)
   
2. geno <- matrix(sample(x = 1:2, size = 1000*10000, replace = T), 1000, 10000)
   
3. genox <- geno
   
4. dim(geno)
   
5. 
   
6. # methods1
   
7. Time = proc.time()
   
8. geno <- genox
   
9. hebing <- function(geno){
   
10.   X <- matrix(0,dim(geno)[1],dim(geno)[2]/2)
    
11.   
    
12.   for(i in 1:dim(X)[2]){
    
13.     X[,i] <- paste(geno[,c(2*i-1)],geno[,2*i],sep = "")
    
14.   }
    
15.   return(X)
    
16. }
    
17. result <- hebing(geno)
    
18. # result
    
19. as.matrix(proc.time() - Time)
    
20. 
    
21. # methods2
    
22. Time = proc.time()
    
23. geno <- genox
    
24. Time = proc.time()
    
25. dim(geno) <- c(dim(geno)[1], 2, dim(genox)[2]/2)
    
26. result <- matrix(paste0(geno[, 1, ], geno[, 2, ]), ncol = dim(genox)[2]/2)
    
27. # result
    
28. as.matrix(proc.time() - Time)
    
29. 
    
30. # methods3
    
31. Time = proc.time()
    
32. geno <- genox
    
33. Time = proc.time()
    
34. dim(geno) <- c(dim(geno)[1], 2, dim(geno)[2]/2)
    
35. result <- apply(geno,c(1,3),sum)
    
36. result <- dplyr::as_data_frame(result)
    
37. # result
    
38. as.matrix(proc.time() - Time)

复制代码

测试结果如下：

1. # 第一种方法
   
2.            [,1]
   
3. user.self  5.45
   
4. sys.self   0.13
   
5. elapsed    5.62
   
6. user.child   NA
   
7. sys.child    NA
   
8. 
   
9. # 第二种方法：
   
10.            [,1]
    
11. user.self  2.63
    
12. sys.self   0.04
    
13. elapsed    2.69
    
14. user.child   NA
    
15. sys.child    NA
    
16. 
    
17. # 第三种方法：
    
18.            [,1]
    
19. user.self  9.64
    
20. sys.self   0.09
    
21. elapsed    9.73
    
22. user.child   NA
    
23. sys.child    NA

复制代码

十分感谢，完美解决了我的问题。