在矢量中映射起始位置以停止另一个矢量中的位置

Question

我已经导出了DNA字符串中的所有起始位置和停止位置，现在我想将每个起始位置映射到每个停止位置，这两个位置都是矢量，然后使用这些位置从DNA字符串序列中提取相应的子字符串。但我无法有效地遍历两个向量来实现这一点，特别是因为它们的长度不同。

我尝试过不同版本的循环（for，ifelse），但我还不能完全解决问题。

以下是我解决此问题的几次尝试之一的示例。

new = data.frame()
for (i in start_pos){
  for (j in stop_pos){
    while (j>i){
      new[j,1]=i
      new[j,2]=j
    }
     }
}

这是我想要的结果的一个例子：start = c（1,5,7,9,15）stop = c（4,13,20,30,40,50）。理想情况下，我想要的结果是将每个开始映射到其停止位置的两列数据帧。我只想在df上添加行，其中起始值大于其相应的停止值（多个起始值可以具有相同的停止值，只要它满足此条件），如下面的示例所示。

 i.e first row df= (1,4)
    second row df= (5,13)
    third row df = (7, 13 )
    fourth row df = (9,13)
    fifth row df =  (15, 20)

Answer 1

这是一个相当简单的解决方案 - 除非您确定需要额外的复杂性，否则不要过度复杂化。启动和停止似乎已经匹配，你可能只有一个比另一个更多，所以你可以找到最短矢量的长度，只使用start和stop中的许多项目：

start = c(1, 5, 15) 
stop = c(4, 13, 20, 30, 40, 50)

min_length = min(length(start), length(stop))

df = data.frame(
    start = start[1:min_length],
    stop = stop[1:min_length]
)

编辑：在阅读了你的一些评论之后，看起来你的问题实际上比它最初看起来更复杂（提出了展示你需要的复杂程度的例子，而不是过于复杂，总是很棘手）。如果您希望将每个开头与大于开头的下一个停靠点匹配，您可以执行以下操作：

# Slightly modified example: multiple starts
#   that can be matched with one stop
start = c(1, 5, 8)
stop = c(4, 13, 20, 30, 40, 50)

df2 = data.frame(
    start = start,
    stop = sapply(start, function(s) { min(stop[stop > s]) })
)

Answer 2

这是一个可能的tidyverse解决方案：

library(purrr)
library(plyr)
library(dplyr)

map2用于映射两个向量的值（开始和停止）。然后我们从这些中制作一个向量，然后进行unlisting并将我们的结果组合成一个data.frame对象。

编辑：随着更新的条件，我们可以做类似的事情：

start1= c(118,220, 255) 
stop1 =c(115,210,260)
res<-purrr::map2(start1[1:length(stop1)],stop1,function(x,y) c(x,y[y>x]))
res[unlist(lapply(res,function(x) length(x)>1))]
   # [[1]]
   # [1] 255 260

原版的：

plyr::ldply(purrr::map2(start[1:length(stop)],stop,function(x,y) c(x,y)),unlist) %>% 
   setNames(nm=c("start","stop")) %>% 
 mutate(newCol=paste0("(",start,",",stop,")"))
#  start stop  newCol
#1     1    4   (1,4)
#2     5   13  (5,13)
#3    15   20 (15,20)
#4    NA   30 (NA,30)
#5    NA   40 (NA,40)
#6    NA   50 (NA,50)

替代方案：@Marius显示了一种聪明的方法。关键是要有相应的长度。

plyr::ldply(purrr::map2(start,stop[1:length(start)],function(x,y) c(x,y)),unlist) %>% 
   setNames(nm=c("start","stop")) %>% 
 mutate(newCol=paste0("(",start,",",stop,")"))
  start stop  newCol
1     1    4   (1,4)
2     5   13  (5,13)
3    15   20 (15,20)