找到第二个数据帧中每个元素的两个数据帧之间的最小距离

Question

我有两个数据框ev1和ev2，描述了在许多测试中收集的两种类型事件的时间戳。 因此，每个数据帧都有“test_id”和“timestamp”列。 我需要找到的是在同一测试中每个ev2的最小距离ev1。

我有一个工作代码合并两个数据集，计算距离，然后使用dplyr过滤最小距离：

ev1 = data.frame(test_id = c(0, 0, 0, 1, 1, 1), time=c(1, 2, 3, 2, 3, 4))
ev2 = data.frame(test_id = c(0, 0, 0, 1, 1, 1), time=c(6, 1, 8, 4, 5, 11))

data <- merge(ev2, ev1, by=c("test_id"), suffixes=c(".ev2", ".ev1"))

data$distance <- data$time.ev2 - data$time.ev1

min_data <- data %>%
  group_by(test_id, time.ev2) %>%
  filter(abs(distance) == min(abs(distance)))

虽然这有效，但合并部分非常慢并且感觉效率低下 - 我正在生成一个包含ev2-> ev1的所有组合的巨大表格，用于相同的test_id，仅将其过滤为1。 在合并期间，似乎应该有一种“即时过滤”的方法。 在那儿？

更新 ：当使用akrun概述的data.table方法时，以下两个“group by”列的情况会失败：

ev1 = data.frame(test_id = c(0, 0, 0, 1, 1, 1), time=c(1, 2, 3, 2, 3, 4), group_id=c(0, 0, 0, 1, 1, 1))
ev2 = data.frame(test_id = c(0, 0, 0, 1, 1, 1), time=c(5, 6, 7, 1, 2, 8), group_id=c(0, 0, 0, 1, 1, 1))
setkey(setDT(ev1), test_id, group_id)
DT <- ev1[ev2, allow.cartesian=TRUE][,distance:=abs(time-i.time)]

eval（expr，envir，enclos）出错：找不到对象'i.time'

Answer 1

这是我如何使用data.table做到这data.table ：

require(data.table)
setkey(setDT(ev1), test_id)
ev1[ev2, .(ev2.time = i.time, ev1.time = time[which.min(abs(i.time - time))]), by = .EACHI]
#    test_id ev2.time ev1.time
# 1:       0        6        3
# 2:       0        1        1
# 3:       0        8        3
# 4:       1        4        4
# 5:       1        5        4
# 6:       1       11        4

在data.table中的形式x[i]的data.table ，前缀为i. 当x和i共享特定列的相同名称时，用于引用i列。

请参阅此SO帖子 ，了解其工作原理。

这在语法上更容易理解正在发生的事情，并且内存有效（以低速¹为代价），因为它根本没有实现整个连接结果。 事实上，这正是你在帖子中所说的 - 在合并时动态过滤 。

1. 速度上，在大多数情况下确实无关紧要。 如果i中有很多行，则可能会慢一点，因为必须为i每一行计算j表达式。 相比之下，@ akrun的答案是笛卡尔连接，然后进行一次过滤。 因此，虽然它的内存很高，但它不会为i每一行计算j 。 但同样，这甚至不应该重要，除非你使用非常大的 i ，而事实并非如此。

HTH

Answer 2

可能有帮助：

library(data.table)
setkey(setDT(ev1), test_id)
DT <- ev1[ev2, allow.cartesian=TRUE][,distance:=time-i.time]
DT[DT[,abs(distance)==min(abs(distance)), by=list(test_id, i.time)]$V1]
#    test_id time i.time distance
#1:       0    3      6        3
#2:       0    1      1        0
#3:       0    3      8        5
#4:       1    4      4        0
#5:       1    4      5        1
#6:       1    4     11        7

要么

 ev1[ev2, allow.cartesian=TRUE][,distance:= time-i.time][,
      .SD[abs(distance)==min(abs(distance))], by=list(test_id, i.time)]

更新

使用新的分组

setkey(setDT(ev1), test_id, group_id)
setkey(setDT(ev2), test_id, group_id)
DT <- ev1[ev2, allow.cartesian=TRUE][,distance:=i.time-time]
DT[DT[,abs(distance)==min(abs(distance)), by=list(test_id, 
                                group_id,i.time)]$V1]$distance
#[1]  2  3  4 -1  0  4

根据您提供的代码

min_data$distance
#[1]  2  3  4 -1  0  4