Zapisywanie listy w elemencie ramki danych w R

Question

Chcę utworzyć strukturę danych w formie

Start, End, Elements 
    3 , 6 , {4,5} 
    4 , 10 , {7,8,9} 
    .... 

w słowach, ja ruszam piłkę wzdłuż linii. "Start" reprezentuje lewą pozycję najbardziej piłki, a "Koniec" reprezentuje najbardziej prawe. "Elementy" oznaczają, że w jakiś sposób znajduję te pozycje specjalne. Jaka jest najlepsza struktura danych do wykorzystania, gdy liczba elementów może się bardzo powiększyć? Jedyne, co mogę wymyślić to ramka danych, w której trzecia kolumna jest odpowiednio sformatowanym łańcuchem. Musiałbym wtedy przeanalizować ciąg znaków, jeśli chciałbym spojrzeć na każdą liczbę w zbiorze. Czy istnieje lepszy format danych, który R ma lub ma na ten temat?

Dzięki!

Answer 1

Opcja wspomniałem w moim komentarzu, czyli po prostu na podstawie listy do jednej z kolumn:

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 

Można też oczywiście ramek danych rów całkowicie i po prostu użyć zwykłego stare listy (co może uczynić więcej sens w wielu przypadkach, w każdym razie):

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 

Answer 2

Mogłeś zapisać go jako wysoki ramki danych, zamiast jednego szerokiego i prawdopodobnie użyć data.table przetworzyć go skutecznie. Oznacza to, zrobić jeden wiersz na elemencie niż jednym rzędem za parę początek koniec

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 

To pozwoli Ci zrobić wiele rodzajów przetwarzania na dane łatwo, takich jak określanie ile elementy są w każdym zakresie:

dt[, list(Num.Elements=length(Elements)), by=c("Start", "End")] 

# Start End Num.Elements 
# 1:  3 6   2 
# 2:  4 10   3 

To również dane łatwy w obsłudze dla działek z wykorzystaniem pakietu ggplot, które zwykle oczekuje dane są w wysokiej formie.

Można zauważyć, że ta struktura danych jest nieekonomiczna, ponieważ powtarza początek i koniec każdego elementu. Tabele danych są jednak przechowywane bardzo wydajnie - nawet jeśli lista elementów ma długość milionów mil, można ją łatwo dopasować i przetwarzać w ten sposób. Spróbuj taką linię:

dt = data.table(Start=1:1e6, End=1:1e6, Elements=1:1e6) 

dla demonstracji. Byłoby to z pewnością łatwiejsze w obsłudze niż zachowanie każdej listy elementów jako ciągu i dzielenie go za każdym razem.