R语言中data.table向量化计算问题

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

问题：
一个data.table格式，相对两列数据进行计算，得到一列新的数据，结果一直得不到理想的结果。想知道如何解决？

数据：

1. n = 3
   
2. ID = paste0("SNP",1:n)
   
3. 
   
4. value = NULL
   
5. for(i in 1:n){
   
6.   value[i]= paste(sample(1:20,10),collapse = ";")
   
7. }
   
8. 
   
9. dd = data.frame(ID=ID,value=value)
   
10. idA = rep(ID,n)
    
11. idB = rep(ID,each=n)
    
12. valueA = rep(value,n)
    
13. valueB = rep(value,each=n)
    
14. 
    
15. ddx = data.frame(idA=idA,idB=idB,valueA=as.character(valueA),valueB=as.character(valueB))
    
16. ddy = as.data.table(ddx)
    
17. 
    
18. ddy$valueA = as.character(ddy$valueA)
    
19. ddy$valueB = as.character(ddy$valueB)
    
20. ddy

复制代码

数据如下：

1. > ddy
   
2.     idA  idB                     valueA                     valueB
   
3. 1: SNP1 SNP1  6;15;8;16;17;1;18;12;7;20  6;15;8;16;17;1;18;12;7;20
   
4. 2: SNP2 SNP1  20;9;13;10;2;14;4;1;15;11  6;15;8;16;17;1;18;12;7;20
   
5. 3: SNP3 SNP1 18;14;12;17;11;16;8;19;4;2  6;15;8;16;17;1;18;12;7;20
   
6. 4: SNP1 SNP2  6;15;8;16;17;1;18;12;7;20  20;9;13;10;2;14;4;1;15;11
   
7. 5: SNP2 SNP2  20;9;13;10;2;14;4;1;15;11  20;9;13;10;2;14;4;1;15;11
   
8. 6: SNP3 SNP2 18;14;12;17;11;16;8;19;4;2  20;9;13;10;2;14;4;1;15;11
   
9. 7: SNP1 SNP3  6;15;8;16;17;1;18;12;7;20 18;14;12;17;11;16;8;19;4;2
   
10. 8: SNP2 SNP3  20;9;13;10;2;14;4;1;15;11 18;14;12;17;11;16;8;19;4;2

复制代码

想看以下valueA和valueB的交集的个数：
我的思路是，直接在data.table中生成一列V5，怀疑因为valueA和valueB涉及到分隔符计算，没有成功，我的代码：

1. ddy[,V5:=length(intersect(strsplit(valueA,";"),strsplit(valueB,";")))]
   
2. ddy

复制代码

结果V5都是3，是错误的：

1. > ddy
   
2.     idA  idB                     valueA                     valueB V5
   
3. 1: SNP1 SNP1  6;15;8;16;17;1;18;12;7;20  6;15;8;16;17;1;18;12;7;20  3
   
4. 2: SNP2 SNP1  20;9;13;10;2;14;4;1;15;11  6;15;8;16;17;1;18;12;7;20  3
   
5. 3: SNP3 SNP1 18;14;12;17;11;16;8;19;4;2  6;15;8;16;17;1;18;12;7;20  3
   
6. 4: SNP1 SNP2  6;15;8;16;17;1;18;12;7;20  20;9;13;10;2;14;4;1;15;11  3
   
7. 5: SNP2 SNP2  20;9;13;10;2;14;4;1;15;11  20;9;13;10;2;14;4;1;15;11  3
   
8. 6: SNP3 SNP2 18;14;12;17;11;16;8;19;4;2  20;9;13;10;2;14;4;1;15;11  3
   
9. 7: SNP1 SNP3  6;15;8;16;17;1;18;12;7;20 18;14;12;17;11;16;8;19;4;2  3
   
10. 8: SNP2 SNP3  20;9;13;10;2;14;4;1;15;11 18;14;12;17;11;16;8;19;4;2  3
    
11. 9: SNP3 SNP3 18;14;12;17;11;16;8;19;4;2 18;14;12;17;11;16;8;19;4;2  3

复制代码

正确的做法，是写一个循环，但是数据量大的话，速度很慢：

1. nn = dim(ddy)[1]
   
2. re=NULL
   
3. system.time({
   
4.   for(i in 1:nn){
   
5.     # i=3
   
6.     re[i]= length(intersect(unlist(strsplit(ddy$valueA[i],";")),unlist(strsplit(ddy$valueB[i],";"))))
   
7.   }
   
8. })
   
9. re

复制代码

结果：

1. [1] 10  5  5  5 10  8  5  8 10

复制代码

我想使用apply解决，但是没有想到如何解决，十分感谢。

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Table 计算问题 ABLE Data tab 向量计算 apply

人大经济论坛，里面使用代码格式， 也不能显示出$$$$$符号了。什么情况？

1. 在群里面问了大牛，给出解决方案如下：
   
2. 使用大括号，新建变量a和b，然后比较a和b的交集数。
   
3. ddy[,{a = strsplit(valueA,";")
   
4. ;b = strsplit(valueB,";")
   
5. ;.(c = sum(unlist(a) %in% unlist(b))) }
   
6. ,by = id
   
7. ]
   
8. 
   
9. 
   
10. 
    
11. library(data.table)
    
12. n = 3
    
13. set.seed(123)
    
14. ID = paste0("SNP",1:n)
    
15. 
    
16. value = NULL
    
17. for(i in 1:n){
    
18.   value[i]= paste(sample(1:20,10),collapse = ";")
    
19. }
    
20. 
    
21. dd = data.frame(ID=ID,value=value)
    
22. idA = rep(ID,n)
    
23. idB = rep(ID,each=n)
    
24. valueA = rep(value,n)
    
25. valueB = rep(value,each=n)
    
26. 
    
27. ddx = data.frame(idA=idA,idB=idB,valueA=valueA,valueB=valueB)
    
28. ddy = data.table(idA=idA,idB=idB,valueA=valueA,valueB=valueB)
    
29. ddy
    
30. 
    
31. ddy$id <- 1:9
    
32. 
    
33. 
    
34. ddy[,{a = strsplit(valueA,";")
    
35. ;b = strsplit(valueB,";")
    
36. ;.(c = sum(unlist(a) %in% unlist(b))) }
    
37. ,by = id
    
38. ]
    
39. # id  c
    
40. # 1:  1 10
    
41. # 2:  2  3
    
42. # 3:  3  5
    
43. # 4:  4  3
    
44. # 5:  5 10
    
45. # 6:  6  4
    
46. # 7:  7  5
    
47. # 8:  8  4
    
48. # 9:  9 10

复制代码

这个是什么