R - 根据第二个数据框中最接近的匹配分配列值

Posted 2023-02-21

【中文标题】R - 根据第二个数据框中最接近的匹配分配列值

【英文标题】：R - Assign column value based on closest match in second data frame

【发布时间】：2013-11-26 06:53:25

【问题描述】：

我有两个数据框，logger 和 df（时间是数字）：

logger <- data.frame(
time = c(1280248354:1280248413),
temp = runif(60,min=18,max=24.5)
)

df <- data.frame(
obs = c(1:10),
time = runif(10,min=1280248354,max=1280248413),
temp = NA
)

我想在 logger$time 中搜索与 df$time 中每一行最接近的匹配项，并将关联的 logger$temp 分配给 df$temp。到目前为止，我已经成功使用了以下循环：

for (i in 1:length(df$time))
closestto<-which.min(abs((logger$time) - (df$time[i])))
df$temp[i]<-logger$temp[closestto]

但是，我现在有很大的数据帧（logger 有 13,620 行，df 有 266138）并且处理时间很长。我读过循环不是最有效的做事方式，但我不熟悉替代方案。有没有更快的方法来做到这一点？

【问题讨论】：

+1 用于带有示例数据的可重现示例，显示您想要什么以及您尝试了什么。顺便说一句 - 下次您使用进行随机抽样的数据时，首先运行命令 set.seed(x)，其中 x 是任何整数（大多数人使用 1）。这样，每个复制您的示例的人最终都会得到相同的数据集。

【参考方案1】：

我会为此使用data.table。它使加入keys 变得超级简单和快速。对于您正在寻找的行为，甚至还有一个非常有用的 roll = "nearest" 参数（除了在您的示例数据中没有必要，因为来自 df 的所有 times 都出现在 logger 中）。在下面的示例中，我将df$time 重命名为df$time1，以明确哪个列属于哪个表...

#  Load package
require( data.table )

#  Make data.frames into data.tables with a key column
ldt <- data.table( logger , key = "time" )
dt <- data.table( df , key = "time1" )

#  Join based on the key column of the two tables (time & time1)
#  roll = "nearest" gives the desired behaviour
#  list( obs , time1 , temp ) gives the columns you want to return from dt
ldt[ dt , list( obs , time1 , temp ) , roll = "nearest" ]
#          time obs      time1     temp
# 1: 1280248361   8 1280248361 18.07644
# 2: 1280248366   4 1280248366 21.88957
# 3: 1280248370   3 1280248370 19.09015
# 4: 1280248376   5 1280248376 22.39770
# 5: 1280248381   6 1280248381 24.12758
# 6: 1280248383  10 1280248383 22.70919
# 7: 1280248385   1 1280248385 18.78183
# 8: 1280248389   2 1280248389 18.17874
# 9: 1280248393   9 1280248393 18.03098
#10: 1280248403   7 1280248403 22.74372

【参考方案2】：

您可以使用data.table 库。这也将有助于提高大数据量的效率 -

library(data.table)

logger <- data.frame(
  time = c(1280248354:1280248413),
  temp = runif(60,min=18,max=24.5)
)

df <- data.frame(
  obs = c(1:10),
  time = runif(10,min=1280248354,max=1280248413)
)

logger <- data.table(logger)
df <- data.table(df)

setkey(df,time)
setkey(logger,time)

df2 <- logger[df, roll = "nearest"]

输出 -

> df2
          time     temp obs
 1: 1280248356 22.81437   7
 2: 1280248360 24.08711  10
 3: 1280248366 22.31738   2
 4: 1280248367 18.61222   5
 5: 1280248388 19.46300   4
 6: 1280248393 18.26535   6
 7: 1280248400 20.61901   9
 8: 1280248402 21.92584   1
 9: 1280248410 19.36526   8
10: 1280248410 19.36526   3