我想创建一个形式的数据结构
Start, End, Elements
3 , 6 , {4,5}
4 , 10 , {7,8,9}
....
换句话说，我正在沿着一条线移动一个球。 “开始”代表球的最左边位置，“结束”代表最右边。 “元素”意味着我以某种方式发现这些职位很特别。当元素的数量可以变得非常大时，最好使用什么数据结构？我唯一能想到的是一个数据框，其中第三列是一个适当格式化的字符串。如果我想查看集合中的每个数字，我将不得不解析字符串。 R 是否有更好的数据格式？
谢谢！
【问题讨论】：
标签： r data-structures
我的评论中提到的选项，即简单地使用其中一列的列表：
dat <- data.frame(Start = 3:4, End = c(6,10))
> dat
Start End
1 3 6
2 4 10
> dat$Elements <- list(4:5,7:9)
> dat
Start End Elements
1 3 6 4, 5
2 4 10 7, 8, 9
您当然也可以完全放弃数据框，而只使用一个普通的旧列表（无论如何，这在很多情况下可能更有意义）：
list(list(Start = 3,End = 6, Elements = 4:5),list(Start = 4,End = 10,Elements = 7:9))
[[1]]
[[1]]$Start
[1] 3
[[1]]$End
[1] 6
[[1]]$Elements
[1] 4 5
[[2]]
[[2]]$Start
[1] 4
[[2]]$End
[1] 10
[[2]]$Elements
[1] 7 8 9
【讨论】：
data.table，您可以在一行中完成所有操作：data.table(Start = 3:4, End = c(6,10), Elements = list(4:5, 7:9))
data.frame的:)
dat <- data.frame(Start = 3:4, End = c(6,10), Elements = I(list(4:5, 7:9)))
您可以将其存储为高数据框而不是宽数据框，并且可能使用data.table 来有效地处理它。也就是说，每个元素一行而不是每个起始对一行
library(data.table)
dt = data.table(Start=c(3, 3, 4, 4, 4), End=c(6, 6, 10, 10, 10), Elements=c(4, 5, 7, 8, 9))
# Start End Elements
#1: 3 6 4
#2: 3 6 5
#3: 4 10 7
#4: 4 10 8
#5: 4 10 9
这将使您可以很容易地对数据进行多种处理，例如确定每个范围内有多少元素：
dt[, list(Num.Elements=length(Elements)), by=c("Start", "End")]
# Start End Num.Elements
# 1: 3 6 2
# 2: 4 10 3
这也将使数据易于用于使用 ggplot 包的绘图，该包通常要求数据采用高格式。
您可能会注意到这种数据结构很浪费，因为它为每个元素重复开始和结束。但是，数据表的存储效率非常高——即使您的元素列表实际上是数百万长，它也可以很容易地适应并以这种方式进行处理。试试这样的一行：
dt = data.table(Start=1:1e6, End=1:1e6, Elements=1:1e6)
进行演示。 当然比将每个元素列表保存为一个字符串并每次都拆分它要快。
【讨论】：