r - 将 case_when 和 between 与对应阈值表一起使用
问题描述
早上好,
我有 2 个数据框:(25000,66)和一个包含 10 个组和每个组的最后一个 ID 的温度表(10,2)。
在大数据集中,我有一个名为id
. 只是id = row_number()
id
1
2
3
4
5
...
25000
编辑:很多答案,谢谢你的所有想法。阅读后我意识到我忘记了数据描述中的一个重要步骤,并道歉。
我在原件上使用合成采样bigdataset
来生成新点。因此,采样后的id
列如下所示:
id
1
2
2.1
3
3.8
4.74
5.12
6
...
25000
这就是为什么我使用带 的 between 子句last_id
将 id 重新分配给他们的组。
阈值表:
last_id group_name
50 grp1
1500 grp2
8900 grp3
...
25000 grp10
我想将新列添加到大数据集中,以便仅基于 id 落在阈值表指定的组范围内的条件来获得 id 和组名。
现在我写了这个:
df <- df %>%
dplyr::mutate(group_name = case_when(id < last_id[1,1] ~ last_id[1,2],
between(id, last_id[1,1], last_id[2,1]) ~ last_id[2,2],
between(id, last_id[2,1], last_id[3,1]) ~ last_id[3,2],
between(id, last_id[3,1], last_id[4,1]) ~ last_id[4,2],
between(id, last_id[4,1], last_id[5,1]) ~ last_id[5,2],
between(id, last_id[5,1], last_id[6,1]) ~ last_id[6,2],
between(id, last_id[6,1], last_id[7,1]) ~ last_id[7,2],
between(id, last_id[7,1], last_id[8,1]) ~ last_id[8,2],
between(id, last_id[8,1], last_id[9,1]) ~ last_id[9,2],
id > last_id[9,1] ~ last_id[10,2]))
)
但它不起作用,我收到此错误:
FUN 中的错误(左,右):类型列表和原子的比较(5)只有可能
此外,这段代码看起来很糟糕,必须有另一种方法使用 apply 或另一个 dplyr 函数?
感谢您的阅读。
解决方案
data.table 包的两个选项:
1)使用滚动连接功能
dt <- dt2[dt1, on = .(last_id = id), roll = -Inf]
这使:
> dt last_id group_name 1: 1 grp1 2: 2 grp1 3: 3 grp1 4: 4 grp1 5: 5 grp1 --- 8896: 8896 grp3 8897: 8897 grp3 8898: 8898 grp3 8899: 8899 grp3 8900: 8900 grp3
2)使用非等连接功能
# create a 'first_id'
dt2[, first_id := shift(last_id, fill = 0)]
# perform the non-equi join
dt1[dt2, on = .(id > first_id, id <= last_id), group := group_name]
此方法将更新dt1
而不是创建新方法data.table
,因此内存效率更高:
> dt1 id group 1: 1 grp1 2: 2 grp1 3: 3 grp1 4: 4 grp1 5: 5 grp1 --- 8896: 8896 grp3 8897: 8897 grp3 8898: 8898 grp3 8899: 8899 grp3 8900: 8900 grp3
使用基础 R 的选项:
纯基础 R findInterval
(与cut
@ Otto Kässi 的 -method 相当):
df1$group_name <- df2$group_name[findInterval(df1$id, c(0, df2$last_id), left.open = TRUE)]
或使用基数 Rmerge
和zoo::na.locf
:
df <- merge(df1, df2, by.x = "id", by.y = "last_id", all.x = TRUE)
df$group_name <- zoo::na.locf(df$group_name, fromLast = TRUE)
使用数据:
df1 <- data.frame(id = 1:8900)
df2 <- read.table(text="last_id group_name
50 grp1
1500 grp2
8900 grp3
", header=TRUE, stringsAsFactors=FALSE)
library(data.table)
dt1 <- as.data.table(df1)
dt2 <- as.data.table(df2)
推荐阅读
- python - virtualenv 中的 Python 版本 - ubuntu 16.04
- python - 如何在Python中删除一些字符串
- python - 如何在另一个数据框中找到数据框中一列的值
- sql - 创建 Sql 触发器以根据其他表中的字段添加新行
- javascript - 通过 FileReader 读取文件后无法提取 Uint8Array
- reactjs - 开玩笑地访问状态和方法的问题
- c# - 为 mac 构建 c#
- javascript - 为组件的特定部分设置授权
- javascript - 使用 HTML5/CSS3/Javascript 从文本块中拖放单词或短语
- javascript - gulp 如何处理 then() 的 Promise?