r - 加速 R 中的循环以消除数据帧中的部分字符串

Question

我有以下巨大的数据框:

> 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

我要做的就是删除“.”后面的数字。在 Gene.ID 和 Transcript.ID 列中，在这两种情况下，“.”之前始终有 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)
}

这确实很耗时(20 分钟后还不到总数的 1%)。我想问你:有没有一种方法可以避免for循环并尽可能加快代码速度？预先感谢您。

Answer 1

substr 是矢量化的，你可以这样做:

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

编辑:

我发现您有重复项，如果您的列已经是因素，您可以通过执行以下操作来加快速度:

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

如果它们不是因素，您可以先将它们转换，但从下面 @Benjamen 的评论看来，由于转换时间，您可能无法获得总体时间。

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