将 ifelse 语句与 R 中的 shift data.table 函数组合在一起

Question

我正在尝试弄清楚如何将ifelse语句与data.table中的shift函数相结合。我的数据如下所示：

DF <- structure(list(CHR = c(1, 1, 1, 1, 1,1), 
SNP = c("rs2494631", "rs4648637", "rs2494627", "rs11122119", "rs1844583","rs2292242"), 
BP = c(2399149, 2401364, 2402499, 6768856, 8383469, 8385059), 
KBdist= c(NA, 2215, 1135, 4366357, 1614613, 1590), 
locus = c(1, NA, NA, NA, NA, NA)), 
.Names = c("CHR","SNP","BP","KBdist","locus"), 
row.names = c(NA, 6L), 
class = "data.frame")
> df
CHR SNP        BP       KBdist   locus
1   rs2494631  2399149  NA       1
1   rs4648637  2401364  2215     NA
1   rs2494627  2402499  1135     NA
1   rs11122119 6768856  4366357  NA
1   rs1844583  8383469  1614613  NA
1   rs2292242  8385059  1590     NA

而我想要实现的是："如果 CHR 等于上面的行，而 KBdist 小于 500,000，则使轨迹等于上面的行，否则在上面行的值上加一个"。这将产生如下所示的输出：

CHR SNP        BP       KBdist   locus
1   rs2494631  2399149  NA       1
1   rs4648637  2401364  2215     1
1   rs2494627  2402499  1135     1
1   rs11122119 6768856  4366357  2
1   rs1844583  8383469  1614613  3
1   rs2292242  8385059  1590     3

我知道我可以使用 shift 来访问上面行中的值，例如：

DF<-DF[ , KBdist := BP - shift(BP, 1L, type="lag")]

因为这就是我创建其中一列的方式。但我看不出您如何将其扩展到包括上面的 ifelse 语句条件。

任何帮助将不胜感激。

提前谢谢。

Answer 1

这是一个解决base R任务的解决方案 - 这里不使用data.table。

# logical vector with our condition tested
ind <- (diff(DF$CHR) == 0 & DF$KBdist[-1] < 5e+5)
# populating the 'locus' column   ---   notice the '<<-'
vapply(2:nrow(DF), function (k) DF$locus[k] <<- DF$locus[k-1] + 1 - ind[k-1], numeric(1)) 
# [1] 1 1 2 3 3
DF
#   CHR        SNP      BP  KBdist locus
# 1   1  rs2494631 2399149      NA     1
# 2   1  rs4648637 2401364    2215     1
# 3   1  rs2494627 2402499    1135     1
# 4   1 rs11122119 6768856 4366357     2
# 5   1  rs1844583 8383469 1614613     3
# 6   1  rs2292242 8385059    1590     3

vapply(...)返回locus列并覆盖它。

备注

请注意，我在函数中使用了<<-来覆盖DF$locus[k]值。如果您不喜欢这方面，只需将<<-换成<-，然后用DF$locus[-1] <- vapply(...)替换vapply(...)。

Answer 2

另一种可能性是使用 cumsum ：

setDT(DF)[, locus := cumsum(c(1L, (CHR!=shift(CHR,1L) | KBdist>=500e3)[-1L]))]

输出：

   CHR        SNP      BP  KBdist locus
1:   1  rs2494631 2399149      NA     1
2:   1  rs4648637 2401364    2215     1
3:   1  rs2494627 2402499    1135     1
4:   1 rs11122119 6768856 4366357     2
5:   1  rs1844583 8383469 1614613     3
6:   1  rs2292242 8385059    1590     3