正则表达式 – 优化版本的grep匹配矢量与矢量

发布时间：2020-12-14 06:24:28 所属栏目：百科来源：网络整理

导读：假设我有两个字符a和b的向量： set.seed(123)categ - c("Control","Gr","Or","PMT","P450")genes - paste(categ,rep(1:40,each=length(categ)),sep="_")a0 - paste(genes,"_",rep(1:50,each=length(genes)),sep="")b0 - paste (a0,"1",sep="")ite - 200lg -

假设我有两个字符a和b的向量：

set.seed(123)
categ <- c("Control","Gr","Or","PMT","P450")
genes <- paste(categ,rep(1:40,each=length(categ)),sep="_")
a0 <- paste(genes,"_",rep(1:50,each=length(genes)),sep="")
b0 <- paste (a0,"1",sep="")
ite <- 200
lg <- 2000
b <- b0[1:lg]
a <- (a0[1:lg])[sample(seq(lg),ite)]

我想应用grep函数以找到b中a的每个值的匹配.
我当然可以这样做：

sapply(a,grep,b)

但是我想知道是否有更高效的东西,因为我必须在模拟中对更大的向量运行这么多次(注意我不想使用mclapply,因为我已经使用它来运行我的模拟的每次迭代)：

system.time(lapply(seq(100000),function(x) sapply(a,b)))
library(parallel)
system.time(mclapply(seq(100000),b),mc.cores=8))

由于您不使用正则表达式但希望在较长字符串中查找子字符串,因此可以使用fixed = TRUE.它要快得多.

library(microbenchmark)
microbenchmark(lapply(a,# original
                 lapply(paste0("^",a),# @flodel
                 lapply(a,b,fixed = TRUE))

Unit: microseconds
                             expr     min       lq   median       uq     max neval
               lapply(a,b) 112.633 114.2340 114.9390 116.0990 326.857   100
  lapply(paste0("^",b) 119.949 121.7380 122.7425 123.9775 191.851   100
 lapply(a,fixed = TRUE)  21.004  22.5885  23.8580  24.6110  33.608   100

使用较长的矢量进行测试(原始长度的1000倍).

ar <- rep(a,1000)
br <- rep(b,1000)

library(microbenchmark)
microbenchmark(lapply(ar,br),# original
               lapply(paste0("^",ar),# @flodel
               lapply(ar,br,fixed = TRUE))

Unit: seconds
                               expr       min        lq    median       uq       max neval
               lapply(ar,br) 32.288139 32.564223 32.726149 32.97529 37.818299   100
  lapply(paste0("^",br) 24.997339 25.343401 25.531138 25.71615 28.238802   100
 lapply(ar,fixed = TRUE)  2.461934  2.494759  2.513931  2.55375  4.194093   100

(这花了很长时间……)

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!