小编Rob*_*bin的帖子

我有这样的大数据:

> Data[1:7,1]
[1] mature=hsa-miR-5087|mir_Family=-|Gene=OR4F5        
[2] mature=hsa-miR-26a-1-3p|mir_Family=mir-26|Gene=OR4F9
[3] mature=hsa-miR-448|mir_Family=mir-448|Gene=OR4F5   
[4] mature=hsa-miR-659-3p|mir_Family=-|Gene=OR4F5      
[5] mature=hsa-miR-5197-3p|mir_Family=-|Gene=OR4F5     
[6] mature=hsa-miR-5093|mir_Family=-|Gene=OR4F5        
[7] mature=hsa-miR-650|mir_Family=mir-650|Gene=OR4F5

我想要做的是,在每一行中,我想在单词mature =之后选择名称,并在Gene =之后选择单词然后将它们与

paste(a,b, sep="-")

例如,前两行的预期输出如下:

hsa-miR-5087-OR4F5
hsa-miR-26a-1-3p-OR4F9

所以,最终的实现是这样的:

for(i in 1:nrow(Data)){
    Data[i,3] <- sub("mature=([^|]*).*Gene=(.*)", "\\1-\\2", Data[i,1])
    Name <- strsplit(as.vector(Data[i,2]),"\\|")[[1]][2]
    Data[i,4] <- as.numeric(sub("pvalue=","",Name))
    print(i)
}

哪个效果很好,但速度很慢.数据的大小非常大,它有200,000,000 行.这个实现非常缓慢.我怎样才能加快速度？