r - data.table 中行的条件操作和扩展也考虑了没有 for 循环的先前扩展

Question

假设我有两个 data.tables:

A <- data.table(
  idx = c(1,2,3),
  leftbound = c(1,134,1546),
  rightbound = c(65, 180, 1670),
  infA = c("infA1", "infA2", "infA3")
)

A
   idx leftbound rightbound  infA
1:   1         1         65 infA1
2:   2       134        180 infA2
3:   3      1546       1670 infA3




B <- data.table(
  breakpoint = c(150, 165, 1555),
  infB = c("infB1", "infB2", "infB3")
)

B

   breakpoint  infB
1:        150 infB1
2:        165 infB2
3:       1555 infB3

在 data.table A 中，每一行对应一个从左到右边界的范围。它有一个索引( idx )列、一个左右边界列( leftbound 和 rightbound )和一个附加变量( infA )。
Data.table B 包括应该作为断点插入到第一个表中的边界的点。所以例如第 2 行中从 134 到 180 的范围应拆分为 150 和 165。因此，该范围应拆分为三个范围:134 - 150、150 - 165 和 165 到 180。对于这三个范围中的每一个，都应该有一个新行代替旧的“未拆分”。

因此输出应如下所示:

Output
   peak.grp   lb   ub  infA  infB
1:        1    1   65 infA1 infB1
2:        2  134  150 infA2 infB2
3:        2  150  165 infA2 infB2
4:        2  165  180 infA2 infB2
5:        3 1546 1555 infA3 infB3
6:        3 1555 1670 infA3 infB3

有没有办法在没有 for 循环的情况下实现这一目标？

Answer 1

与@Alexis 相同，但矢量化而不是 lapply超过断点:

res <- B[A, on=.(breakpoint >= leftbound, breakpoint <= rightbound), {
  v = c(i.leftbound, head(x.breakpoint, .N), i.rightbound)
  n = c(i.infA, head(x.infB, .N), i.infA)
  .(idx = idx, lb = head(v, -1), rb = tail(v, -1), ln = head(n, -1), rn = tail(n, -1))
}, by=.EACHI][, (1:2) := NULL][]

   idx   lb   rb    ln    rn
1:   1    1   65 infA1 infA1
2:   2  134  150 infA2 infB1
3:   2  150  165 infB1 infB2
4:   2  165  180 infB2 infA2
5:   3 1546 1555 infA3 infB3
6:   3 1555 1670 infB3 infA3

我正在使用 head(var, .N)如果因为找不到匹配而用 NA 填充变量(但我们仍然会有 .N == 0 ，所以 head(var, .N) 的长度为零)。我想 if (.N) var也可以工作，而且可能更具可读性。

相关: https://github.com/Rdatatable/data.table/issues/3452