基於具有“容差”的數值向量過濾數據框

Question

我想使用數字向量過濾數據框。 我在下面申請 function：

test_data <- exp_data[exp_data$Size_Change %in% vec_data,]

這就是示例數據的樣子：

dput(exp_data)
structure(list(Name = c("Mark", "Greg", "Tomas", "Morka", "Pekka", 
"Robert", "Tim", "Tom", "Bobby", "Terka"), Mode = c(1, 2, NA, 
4, NA, 3, NA, 1, NA, 3), Change = structure(c(6L, 2L, 4L, 5L, 
7L, 7L, 7L, 8L, 3L, 1L), .Label = c("D[+58], I[+12][+385]", "C[+58], K[+1206]", 
"C[+58], P[+2074]", "C[+58], K[+2172]", "C[+58], K[+259]", "C[+58], K[+2665]", 
"C[+58], T[+385]", "C[+58], C[+600]"), class = "factor"), Size = c(1335.261, 
697.356, 1251.603, 920.43, 492.236, 393.991, 492.239, 727.696, 
1218.933, 495.237), Place = c(3L, 4L, 3L, 2L, 4L, 5L, 4L, 3L, 
3L, 4L), Size_Change = c(4004, 2786, 3753, 1840, 1966, 1966, 
1966, 2181, 3655, 1978)), row.names = 2049:2058, class = "data.frame")

和用於過濾的向量：

dput(vec_data)
c(4003, 2785, 954, 1129, 4013, 756, 1852, 2424, 1954, 246, 147, 
234, 562, 1617, 2180, 888, 1176)

我提到了容差，因為vec_data不是很精確，並且我期望 +1/-1 的數字差異，並且在應用 function 之后，它不會過濾具有這種差異的行。 也可能會出現 +12/-12 或 +24/-24 的差異。 我可以在過濾時以某種方式考慮它嗎？

當然，可能的解決方案是像 (vec_data +1) / (vec_data -1) / (vec_data +12) 等那樣做一些過濾嘗試，最后可能是所有的 rbind 輸出，但我正在尋找更多“優雅”的方式。 如果可以添加一個列來指示該行是如何過濾的，如果它是來自vec_data的確切數字或者它被 +1、+12、-24 或其他修改，那也將是很棒的。 請注意，+1/-1 與任何其他修改的組合也是可能的。 如果它太復雜，則不需要額外的列。

Answer 1

一種選擇可能是（容差 = 1）：

df %>%
    filter(sapply(Size_Change, function(x) any(abs(x - vec) %in% 0:1)))

  Name Mode           Change     Size Place Size_Change
1 Mark    1 C[+58], K[+2665] 1335.261     3        4004
2 Greg    2 C[+58], K[+1206]  697.356     4        2786
3  Tom    1  C[+58], C[+600]  727.696     3        2181

公差 = 14：

df %>%
    filter(sapply(Size_Change, function(x) any(abs(x - vec) %in% 0:14)))

    Name Mode           Change     Size Place Size_Change
1   Mark    1 C[+58], K[+2665] 1335.261     3        4004
2   Greg    2 C[+58], K[+1206]  697.356     4        2786
3  Morka    4  C[+58], K[+259]  920.430     2        1840
4  Pekka   NA  C[+58], T[+385]  492.236     4        1966
5 Robert    3  C[+58], T[+385]  393.991     5        1966
6    Tim   NA  C[+58], T[+385]  492.239     4        1966
7    Tom    1  C[+58], C[+600]  727.696     3        2181

Answer 2

最明顯的方法是基於不等式而不是精確匹配進行過濾（在比較數字 [非整數] 時始終推薦）

comp <- function(x, yvec, tolerance = 1){
  sapply(x, \(xi){any(abs(xi - yvec) <= tolerance)})
}
exp_data[comp(exp_data$Size_Change, vec_data),]
     Name Mode           Change     Size Place Size_Change
2049 Mark    1 C[+58], K[+2665] 1335.261     3        4004
2050 Greg    2 C[+58], K[+1206]  697.356     4        2786
2056  Tom    1  C[+58], C[+600]  727.696     3        2181
# Tolerance = 2
# exp_data[comp(exp_data$Size_Change, vec_data, 2),]

Answer 3

使用公差tol怎么樣。

tol <- \(x, tol=1L) sapply(seq(-tol, tol, 1L), \(i) sweep(as.matrix(x), 1L, i))

exp_data[exp_data$Size_Change %in% tol(vec_data), ]

#      Name Mode           Change     Size Place Size_Change
# 2049 Mark    1 C[+58], K[+2665] 1335.261     3        4004
# 2050 Greg    2 C[+58], K[+1206]  697.356     4        2786
# 2056  Tom    1  C[+58], C[+600]  727.696     3        2181

它默認為公差±1，如果我們想要±24，我們可以在參數中定義它：

exp_data[exp_data$Size_Change %in% tol(vec_data, 24L), ]
#        Name Mode               Change     Size Place Size_Change
# 2049   Mark    1     C[+58], K[+2665] 1335.261     3        4004
# 2050   Greg    2     C[+58], K[+1206]  697.356     4        2786
# 2052  Morka    4      C[+58], K[+259]  920.430     2        1840
# 2053  Pekka   NA      C[+58], T[+385]  492.236     4        1966
# 2054 Robert    3      C[+58], T[+385]  393.991     5        1966
# 2055    Tim   NA      C[+58], T[+385]  492.239     4        1966
# 2056    Tom    1      C[+58], C[+600]  727.696     3        2181
# 2058  Terka    3 D[+58], I[+12][+385]  495.237     4        1978

我想知道24L中的L ，它是 integer 表示法，您也可以使用tol=24沒有任何問題。

^{注： R 版本 4.1.2 (2021-11-01)}