经过前面的讨论和F.Privé的帮助,我做了一些更改,下面的代码实际上正在做预期的工作。并行包的并行化方法似乎返回一个空列表
library(purrr)
library(parallel)
p_list = list("P1" = list(c("MAKM1","MMERMTD","FTRWDSE")) ,
"P2" = list(c("MFFGGDSF1","DFRMDFMMGRSDFG","DSDMFFF")),
"P3" = list(c("MDERTDF1","DFRGRSDFMMG","DMMMFFFS")),
"P4" = list(c("MERTSDMDF1","SDFRGSSMRSDFG","DFFFM")))
chars <- set_names(c("M", "S", "M"), c("class.1", "class.35", "class.4"))
get_0_and_all_combn <- function(x) {
map(seq_along(x), function(i) combn(as.list(x), i, simplify = FALSE)) %>%
unlist(recursive = FALSE) %>%
c(0L, .)
}
get_pos_combn <- function(x, chars) {
x.spl <- strsplit(x, "")[[1]]
isUni1 = grep("class.1", names(chars))
isFirst = grepl("1",x)
map2(.x=chars, .y=seq_along(chars), .f=function(chr, index) {
if(length(isUni1) != 0){
if(index == isUni1 & isFirst == TRUE)
1 %>% get_0_and_all_combn()
else{
which(x.spl == chr) %>%
get_0_and_all_combn()
}
}else{
which(x.spl == chr) %>%
get_0_and_all_combn()
}
}) %>%
expand.grid()
}
get_pos_combn_with_infos <- function(seq, chars, p_name) {
cbind.data.frame(p_name, seq, get_pos_combn(seq, chars))
}
combine_all <- function(p_list, chars){
i = 1
fp <- as.data.frame(matrix(ncol = 5))
colnames(fp) = c("p_name" ,"seq" , names(chars))
for(p in p_list){
p_name = names(p_list)[i]
for(d in 1:length(p[[1]])){
seq = p[[1]][d]
f = get_pos_combn_with_infos(seq, chars, p_name)
# unlist the list wherever exist in the dataframe and collapse
# its values with the ":" symbol.
for(c in 1:nrow(f)){
if(is.list(f[c,3]))
f[c,3]=paste(unlist(f[c,3]),collapse=":")
if(is.list(f[c,4]))
f[c,4]=paste(unlist(f[c,4]),collapse=":")
if(is.list(f[c,5]))
f[c,5]=paste(unlist(f[c,5]),collapse=":")
}
fp = na.omit(rbind(f , fp))
}
i = i + 1
}
fp
}
numCores <- detectCores()
results = mcmapply(FUN=combine_all, MoreArgs=list(p_list , chars) , mc.cores = numCores-1)
,应该运行的唯一的事情是最后一个函数(combine_all()
),给作为输入p_list
和chars
变量。
如果这样做,其结果是包含在chars
可变
定义的字符的字符串(p_list
)内的位置的所有可能组合的所有可能组合的data.frame我知道这是一个有点有点复杂,但我不知道另一种解释结果的方式。
无论如何。因为我的实际列表(p_list)比上面示例中的更大,我认为它一次在多个CPU内核上并行运行。
为此,您可以看到我使用了parallel
包。我运行它在一个Linux的盒子(因为据我所知mcmapply
使用fork来创建其他进程),但事实是,我没有得到任何结果,除了一个空的列表。
任何想法或许可以改进算法或使其并行运行是值得欢迎的。
谢谢。
要在Linux/macOS上模拟Windows行为,请使用'doParallel :: registerDoParallel(cl < - parallel :: makeCluster(2L))'。事实上,它扼杀了缺失的对象(“全局”)。 – HenrikB
但是,使用[doFuture](https://cran.r-project.org/package=doFuture)后端的东西在所有平台(Linux,macOS和Windows)以及所有后端(不只是分叉那些)。所以,在上面的Florian的例子中尝试以下方法,它将起作用:'library(“doFuture”); registerDoFuture();计划(多处理)'。对于其他类型的并行后端,请参阅https://cran.r-project.org/package=future的主要插图 – HenrikB