[英]How to perform marker based correction of data frame in R (cross-referencing data frames)?
用户,
我正在尝试根据另一个数据集(B组)中的值更改一组数据(A组)。 两者都共享一个几乎相同的计数器变量(TS)(由于四舍五入而有些偏差–不幸的是不可避免)。 此外,两个集合中的条目具有不同的频率(使A长于B)。
这是集合A的示例:
setA <- tibble(TS = c(rep(2.0913, 4), rep(2.123, 5)),
AF3_S = 1:9,
AF4_S = 1:9)
> setA
# A tibble: 9 x 3
TS AF3_S AF4_S
<dbl> <int> <int>
1 2.09 1 1
2 2.09 2 2
3 2.09 3 3
4 2.09 4 4
5 2.12 5 5
6 2.12 6 6
7 2.12 7 7
8 2.12 8 8
9 2.12 9 9
这是集合B的示例:
setB <- tibble(TS = c(2.09131, 2.12304),
AF3_Q = c(1,4),
AF4_Q = c(3,0))
> setB
# A tibble: 2 x 3
TS AF3_Q AF4_Q
<dbl> <dbl> <dbl>
1 2.09 1.00 3.00
2 2.12 4.00 0
我想做的是,只要集合B中的标记小于2,就删除集合A中的条目。也就是说,这种情况下的结果应如下所示:
# A tibble: 9 x 3
TS AF3_S AF4_S
<dbl> <int> <int>
1 2.09 NA 1
2 2.09 NA 2
3 2.09 NA 3
4 2.09 NA 4
5 2.12 5 NA
6 2.12 6 NA
7 2.12 7 NA
8 2.12 8 NA
9 2.12 9 NA
我试着用for循环完成此操作。 但是,由于实际文件非常长(A〜1,5Mio行,B〜50K行),因此需要太多的迭代,这就是为什么循环是不可能的。
会有人对如何解决这个问题有想法吗? 我也会对阅读材料感兴趣,以了解更多有关如何在R中有效处理此类问题的信息。
感谢你并致以真诚的问候
麦可
您的资料
setA <- tibble(TS = c(rep(2.0913, 4), rep(2.123, 5)),
AF3_S = 1:9,
AF4_S = 1:9)
setB <- tibble(TS = c(2.09131, 2.12304),
AF3_Q = c(1,4),
AF4_Q = c(3,0))
您必须决定的第一件事是两个double
何时“相等”。 假设当第2个十进制数字匹配时,值是相等的,您可以使用
round(setA$TS * 100) == round(setB$TS[1] * 100)
# [1] TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE FALSE
现在我们可以使用match
返回与setB$TS
匹配的setA$TS
的行索引
I <- match(round(setA$TS*100), round(setB$TS*100))
I
# [1] 1 1 1 1 2 2 2 2 2
需要注意的是长度I
等于的数的,行setA
,但该值的行指数setB
然后,对于每一列,我们使用ifelse
返回一个条件值
setA$AF3_S <- ifelse(setB$AF3_Q[I] < 2, NA, setA$AF3_S)
setA$AF4_S <- ifelse(setB$AF4_Q[I] < 2, NA, setA$AF4_S)
setA
# A tibble: 9 x 3
# TS AF3_S AF4_S
# <dbl> <int> <int>
# 1 2.09 NA 1
# 2 2.09 NA 2
# 3 2.09 NA 3
# 4 2.09 NA 4
# 5 2.12 5 NA
# 6 2.12 6 NA
# 7 2.12 7 NA
# 8 2.12 8 NA
# 9 2.12 9 NA
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.