[英]How to perform marker based correction of data frame in R (cross-referencing data frames)?
用戶,
我正在嘗試根據另一個數據集(B組)中的值更改一組數據(A組)。 兩者都共享一個幾乎相同的計數器變量(TS)(由於四舍五入而有些偏差–不幸的是不可避免)。 此外,兩個集合中的條目具有不同的頻率(使A長於B)。
這是集合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
這是集合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中的標記小於2,就刪除集合A中的條目。也就是說,這種情況下的結果應如下所示:
# 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
我試着用for循環完成此操作。 但是,由於實際文件非常長(A〜1,5Mio行,B〜50K行),因此需要太多的迭代,這就是為什么循環是不可能的。
會有人對如何解決這個問題有想法嗎? 我也會對閱讀材料感興趣,以了解更多有關如何在R中有效處理此類問題的信息。
感謝你並致以真誠的問候
麥可
您的資料
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))
您必須決定的第一件事是兩個double
何時“相等”。 假設當第2個十進制數字匹配時,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
現在我們可以使用match
返回與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
需要注意的是長度I
等於的數的,行setA
,但該值的行指數setB
然后,對於每一列,我們使用ifelse
返回一個條件值
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
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.