У меня есть data.frame с именем «d» из ~ 1 300 000 строк и 4 столбца и еще один data.frame с именем «gc» из ~ 12 000 строк и 2 столбца (но см. меньший пример ниже).
d <- data.frame( gene=rep(c("a","b","c"),4), val=rnorm(12), ind=c( rep(rep("i1",3),2), rep(rep("i2",3),2) ), exp=c( rep("e1",3), rep("e2",3), rep("e1",3), rep("e2",3) ) )
gc <- data.frame( gene=c("a","b","c"), chr=c("c1","c2","c3") )
Вот как выглядит «д»:
gene val ind exp
1 a 1.38711902 i1 e1
2 b -0.25578496 i1 e1
3 c 0.49331256 i1 e1
4 a -1.38015272 i1 e2
5 b 1.46779219 i1 e2
6 c -0.84946320 i1 e2
7 a 0.01188061 i2 e1
8 b -0.13225808 i2 e1
9 c 0.16508404 i2 e1
10 a 0.70949804 i2 e2
11 b -0.64950167 i2 e2
12 c 0.12472479 i2 e2
А вот "гс":
gene chr
1 a c1
2 b c2
3 c c3
Я хочу добавить 5-й столбец в «d», включив данные из «gc», которые соответствуют 1-му столбцу «d». На данный момент я использую sapply.
d$chr <- sapply( 1:nrow(d), function(x) gc[ gc$gene==d[x,1], ]$chr )
Но на реальных данных это занимает «очень много времени» (я запускаю команду с «system.time ()» уже более 30 минут, и она все еще не завершена).
У вас есть идеи, как я мог бы переписать это по-умному? Или мне следует рассмотреть возможность использования plyr, возможно, с параметром «параллельный» (у меня на компьютере четыре ядра)? В таком случае, какой синтаксис был бы лучшим?
Заранее спасибо.