根據與其他數據幀最近的鄰居分配值

Question

使用通用數據：

set.seed(456)

a <- sample(0:1,50,replace = T)
b <- rnorm(50,15,5)
df1 <- data.frame(a,b)

c <- seq(0.01,0.99,0.01)
d <- rep(NA, 99)
for (i in 1:99) {
  d[i] <- 0.5*(10*c[i])^2+5
}
df2 <- data.frame(c,d)

對於每個df1$b我們想要找到最近的df2$d 。 然后我們創建一個新的變量df1$XYZ ，它取df2$c的最接近的df2$d

這個問題引導我走向data.table庫。 但我不確定是否也可以使用ddplyr和group_by ：

這是我的data.table嘗試：

library(data.table)
dt1 <- data.table( df1 , key = "b" )
dt2 <- data.table( df2 , key = "d" )

dt[ ldt , list( d ) , roll = "nearest" ]

Answer 1

這是data.table的一種方式：

require(data.table)
setDT(df1)[, XYZ := setDT(df2)[df1, c, on=c(d="b"), roll="nearest"]]

對於每個df1$b你需要得到與df2$d最接近的值相對應的df2$c 。 因此，我們需要以df2[df1] ，這會產生nrow(df1)行。可以使用setDT(df2)[df1, c, on=c(d="b"), roll="nearest"] 。

它返回您需要的結果。 我們需要做的就是將其添加回名為XYZ df1 。 我們這樣做:= 。

---

構建滾動連接的思維過程是這樣的（假設df1和df2都是數據表）：

1. 我們需要為df1每一行獲取一些值。 這意味着，在x[i]語法中i = df1 。

    df2[df1] 

2. 我們需要將df2$d加入df1$b 。 使用on=那是：

    df2[df1, on=c(d="b")] 

3. 我們只需要c列。 使用j僅選擇該列。

    df2[df1, c, on=c(d="b")] 

4. 我們不需要等連接，而是滾動到最近的連接。

    df2[df1, c, on=c(d="b"), roll="nearest"] 

希望這可以幫助。