我有这样的大数据:
> Data[1:7,1]
[1] mature=hsa-miR-5087|mir_Family=-|Gene=OR4F5
[2] mature=hsa-miR-26a-1-3p|mir_Family=mir-26|Gene=OR4F9
[3] mature=hsa-miR-448|mir_Family=mir-448|Gene=OR4F5
[4] mature=hsa-miR-659-3p|mir_Family=-|Gene=OR4F5
[5] mature=hsa-miR-5197-3p|mir_Family=-|Gene=OR4F5
[6] mature=hsa-miR-5093|mir_Family=-|Gene=OR4F5
[7] mature=hsa-miR-650|mir_Family=mir-650|Gene=OR4F5
我想做的是,对于每一行,我想选择单词mature=后面的名称以及Gene=后面的单词,并将它们连在一起使用 分隔。
paste(a,b, sep="-")
例如,前两行的预期输出应该如下所示:
hsa-miR-5087-OR4F5
hsa-miR-26a-1-3p-OR4F9
那么,最终的实现方法如下:
for(i in 1:nrow(Data)){
Data[i,3] <- sub("mature=([^|]*).*Gene=(.*)", "\\1-\\2", Data[i,1])
Name <- strsplit(as.vector(Data[i,2]),"\\|")[[1]][2]
Data[i,4] <- as.numeric(sub("pvalue=","",Name))
print(i)
}
这个实现方式虽然能够正常工作,但是速度很慢。由于Data的大小非常大,有2亿行数据,因此这个实现方式非常慢。那么如何提高它的速度呢?
Data
,因此在像这样制定问题时最好像这样显示数据:x <- Data[1:7, 1]; dput(x)
。 - G. Grothendieckdata.table
和/或dplyr
包。 - Ben Bolker