R：组合低于一定长度的片段答案

【问题标题】：R: Combine fragments below certain lengthR：组合低于一定长度的片段
【发布时间】：2014-10-27 06:03:44
【问题描述】：

我有一个包含小鼠基因组限制性片段的病床文件。每个片段都有不同的长度/宽度，如下所示：

chr   start     end   width
1 chr1       0 3000534 3000534
2 chr1 3000535 3000799     264
3 chr1 3000800 3001209     409
4 chr1 3001210 3001496     286
5 chr1 3001497 3002121     624

是否可以使用 R 将较短的片段（

chr   start     end   width
1 chr1       0 3000534 3000534
2 chr1 3000535 3001209     673    
3 chr1 3001210 3002121     910

注意，我不想过滤掉一定长度以下的片段，所以子设置数据不是一个选项。

我希望我的问题不会太令人困惑……

【问题讨论】：

@Jeanine 是否仅在相邻片段的宽度均小于 500 时才合并片段？在预期的结果中，第 3 行似乎并非如此。
@akrun。理想情况下，应该将每个
@Jeanine 谢谢，我之前没有发现最小片段大小
12bp 宽的片段呢？
@Jeannine This post 可能会帮助您解决问题。我试过但不能直接应用这些方法。但是我确信它们可以以某种方式使用。 for-loop 在大型数据集上很容易但速度很慢（正如我想象的那样）。

标签： r

【解决方案1】：

这是第一个解决方案，假设 chr 保持不变，并且如果最后一个片段

mydata<-data.frame(chr=rep("chr1",6),start=c(0,3000535,3000800,3001210,3001497,3002122),end=c(3000534,3000799,3001209,3001496,3002121,3002134),width=c(3000534,264,409,286,624,12),stringsAsFactors=F)

i<-1
while(i<nrow(mydata)){
    if(mydata$width[i]>=500) {
        i<-i+1
    } else {
        mydata$end[i]<-mydata$end[i+1]
        mydata$width[i]<-sum(mydata$width[i:(i+1)])
        mydata<-mydata[-(i+1),]
    }
}
if(mydata$width[i]<500) mydata<-mydata[-i,]

【讨论】：

您的代码有效，但仅适用于小数据帧。但是，我的数据框有 6x10^6 行，即使我把它分成更小的垃圾，它仍然需要很长时间......还有其他建议吗？