基於因子r遍歷數據集

Question

我正在嘗試根據每個觀察結果的公共因子ID2遍歷大型地址數據集（300,000多行）。 該數據集包含來自兩個不同來源的地址，我正在嘗試查找它們之間的匹配項。 為了確定此匹配項，我想遍歷每個ID2作為因子，並從兩個數據集（建築和屬性數據集）的每一個中搜索一條線。這是我的期望輸出的圖片。我嘗試過的代碼

     PROPERTYNAME=c("Vista 1","Vista 1","Vista 1","Chesnut Street","Apple 
     Street","Apple Street")
     CITY=c("Pittsburgh","Pittsburgh","Pittsburgh","Boston","New York","New 
     York")
     STATE= c("PA","PA","PA","MA","NY","NY")
     ID2=c(1,1,1,2,3,3)
     IsBuild=c(1,0,0,0,1,1)
     IsProp=c(0,1,1,1,0,0)

    df=data.frame(PROPERTYNAME,CITY,STATE,ID2,IsBuild,IsProp)

    for(i in levels(as.factor(df$ID2))){
    for(row in 1:nrow(df)){
      df$Any_Build[row][i]<-ifelse(as.numeric(df$IsBuild[row][i])==1)
      df$Any_Prop[row][i]<-ifelse(as.numeric(df$IsProp[row][i])==1)
   }
}

我已經嘗試過嵌套循環，但沒有運氣，我正在努力與r的apply函數。 我將不勝感激任何幫助。 謝謝！

Answer 1

ID2如何影響輸出？ 如果沒有任何效果，則可以使用示例代碼中使用的相同邏輯，而無需循環。 Ifelse是矢量化的，因此您不必每行都運行它。編輯格式：

LIHTCComp1$AnyBuild <- ifelse(LIHTCComp1$IsBuild ==1,TRUE,FALSE)
LIHTCComp1$AnyProp <- ifelse(LIHTCComp1$IsProp ==1,TRUE,FALSE)

希望這可以幫助。

Answer 2

如果您的主要數據集稱為D ，建築數據集稱為B ，而屬性數據集稱為P ，則可以執行以下操作：

D$inB <- D$ID2 %in% B$ID2
D$inP <- D$ID2 %in% P$ID2

如果您想要B一些數據（例如說一個地址），則可以使用merge ：

D <- merge(D, B[c("ID2", "address")], by = "ID2", all.x = TRUE, all.y = FALSE)

如果B中的每一行都有一個地址，則D新address列中的NA應當與D$inB的FALSE一致。