通过其他数据帧列中最接近的值匹配数据帧中的列

Question

你好，我有一个匹配两个的问题data.frames。

假设我有两个数据集：

数据框 1：

"A" "B" 
91   1 
92   3
93   11
94   4
95   10 
96   6 
97   7
98   8 
99   9 
100  2

 structure(list(A = 91:100, B = c(1, 3, 11, 4, 10, 6, 7, 8, 9, 
2)), .Names = c("A", "B"), row.names = c(NA, -10L), class = "data.frame")

数据框 2：

"C"    "D"
91.12   1 
92.34   3
93.65   11
94.23   4
92.14   10 
96.98   6 
97.22   7
98.11   8 
93.15   9 
100.67  2
91.45   1 
96.45   3
83.78   11
84.66   4
100     10 

structure(list(C = c(91.12, 92.34, 93.65, 94.23, 92.14, 96.98, 
97.22, 98.11, 93.15, 100.67, 91.25, 96.45, 83.78, 84.66, 100), 
    D = c(1, 3, 11, 4, 10, 6, 7, 8, 9, 2, 1, 3, 11, 4, 10)), .Names = c("C", 
"D"), row.names = c(NA, -15L), class = "data.frame")

现在我想找到 A 列和 C 列之间的舍入匹配项，并将 D 列替换为 Dataframe 1 中 B 列中的相应值。如果没有相应的值（通过 A 和 C 之间的舍入匹配项），我想要为替换的列 D 获取 NaN。

result:
"C"    "newD"
91.12   1 
92.34   3
93.65   4
94.23   4
92.14   3 
96.98   7 
97.22   7
98.11   8 
93.15   11 
100.67  NaN
91.25   1 
96.45   6
83.78   NaN
84.66   NaN
100     2 

structure(list(C = c(91.12, 92.34, 93.65, 94.23, 92.14, 96.98, 
97.22, 98.11, 93.15, 100.67, 91.25, 96.45, 83.78, 84.66, 100), 
    D = c(1, 3, 4, 4, 3, 7, 7, 8, 11, NaN, 1, 6, NaN, NaN, 2)), .Names = c("C", 
"D"), row.names = c(NA, -15L), class = "data.frame")

有没有人知道如何做到这一点，尤其是对于大型数据集？

非常感谢！

Answer 1

您可以创建一个查找 table，其中 A 中的值用于查找 B 中的值。

Lookup = df1$B
names(Lookup) = df1$A
df3 = data.frame(C = df2$C, newD = Lookup[as.character(round(df2$C))])
df3$newD[is.na(df3$newD)] = NaN

Answer 2

对于这些类型的合并，我喜欢 sql:

library(sqldf)
res <- sqldf("SELECT     l.C, r.B
              FROM       df2 as l
              LEFT JOIN  df1 as r
              on round(l.C) = round(r.A)")
res
#        C  B
#1   91.12  1
#2   92.34  3
#3   93.65  4
#4   94.23  4
#5   92.14  3
#6   96.98  7
#7   97.22  7
#8   98.11  8
#9   93.15 11
#10 100.67 NA
#11  91.45  1
#12  96.45  6
#13  83.78 NA
#14  84.66 NA
#15 100.00  2

Answer 3

与 data.table 进行更新连接：

library(data.table)
setDT(DF1); setDT(DF2)

DF2[, A := round(C)] 
DF2[, D := DF1[DF2, on=.(A), x.B] ]

# alternately, chain together in one step:
DF2[, A := round(C)][, D := DF1[DF2, on=.(A), x.B] ]

这会在不匹配的行中给出 NAs。要切换它... DF2[is.na(D), D := NaN].

要删除新的 DF2$A 列，请使用 DF2[, A := NULL]。

Does anybody knows how to do that especially for large datasets?

这会就地修改 DF2（而不是像 Mike 的回答中那样创建一个新的 table，就像普通连接），因此它对于大型 table 应该相当有效。如果 A 在两个 tables.

中都存储为整数而不是浮点数，它可能会表现更好

在 data.table 1.9.6 上，使用 on="A", B 而不是 on=.(A), x.B。感谢 Mike H 检查这个。

通过其他数据帧列中最接近的值匹配数据帧中的列

Matching column in dataframe by nearest values in column of other dataframe

r

rounding

match