R中使用map2或seq函数生成两列间整数序列并转为数据框的问题

问题解决方法 #

1. 列表列转可保存结构 #

两种常用实现方案，根据你的使用场景选择：

• 方案1：转成逗号分隔的字符列，可直接保存为csv/tsv等常规表格格式

library(dplyr)
library(purrr)

# map2_chr直接返回字符向量，而非列表
my.list %>% 
  mutate(new = map2_chr(start, end, ~toString(.x:.y)))

输出的new列示例：第二行值为"3, 4, 5"，第五行值为"8, 9, 10, 11, 12"。

• 方案2：展开为长表，每一行对应区间内的一个整数，适合后续做数值计算

my.list %>% 
  mutate(new = map2(start, end, `:`)) %>% 
  tidyr::unnest(new)

输出会把原来的1行拆分为区间长度对应的行数，原有start、end列保留。

2. seq()函数适用性说明 #

:本身就是seq()针对整数序列的快捷实现，start:end和seq(start, end, by = 1)效果完全一致，纯整数区间场景下用:的执行效率更高，只有需要自定义步长、处理非整数区间的时候才需要显式调用seq()。

3. 大数据量性能优化建议 #

20万行的数据量级在R中完全可以正常处理，若追求更高性能可选择以下方案：

• R内优化：改用data.table包实现，性能比dplyr+purrr组合高3~5倍，内存占用更低

library(data.table)
setDT(my.list)
# 转字符列写法
my.list[, new := mapply(function(s,e) toString(s:e), start, end)]
# 展开长表写法
my.list[, .(new = start:end), by = .(start, end)]

• Shell实现：如果原始数据为纯文本表格格式，用awk实现的内存占用、执行速度都优于R，适合配置较低的设备使用，示例代码如下（假设输入csv前两列为start、end，带表头）：

awk -F ',' 'NR==1{print $0",new"}NR>1{seq="";for(i=$1;i<=$2;i++) seq=seq (seq?",":"") i;print $0","seq}' input.csv > output.csv

内容的提问来源于stack exchange，提问作者Marco Salgado