經過前面的討論和F.Privé的幫助,我做了一些更改,下面的代碼實際上正在做預期的工作。並行包的並行化方法似乎返回一個空列表
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)
,應該運行的唯一的事情是最後一個函數(combine_all()
),給作爲輸入p_list
和chars
變量。
如果這樣做,其結果是包含在chars
可變
定義的字符的字符串(p_list
)內的位置的所有可能組合的所有可能組合的data.frame我知道這是一個有點有點複雜,但我不知道另一種解釋結果的方式。
無論如何。因爲我的實際列表(p_list)比上面示例中的更大,我認爲它一次在多個CPU內核上並行運行。
爲此,您可以看到我使用了parallel
包。我運行它在一個Linux的盒子(因爲據我所知mcmapply
使用fork來創建其他進程),但事實是,我沒有得到任何結果,除了一個空的列表。
任何想法或許可以改進算法或使其並行運行是值得歡迎的。
謝謝。
要在Linux/macOS上模擬Windows行爲,請使用'doParallel :: registerDoParallel(cl < - parallel :: makeCluster(2L))'。事實上,它扼殺了缺失的對象(「全局」)。 – HenrikB
但是,使用[doFuture](https://cran.r-project.org/package=doFuture)後端的東西在所有平臺(Linux,macOS和Windows)以及所有後端(不只是分叉那些)。所以,在上面的Florian的例子中嘗試以下方法,它將起作用:'library(「doFuture」); registerDoFuture();計劃(多處理)'。對於其他類型的並行後端,請參閱https://cran.r-project.org/package=future的主要插圖 – HenrikB