如何在 R（交叉引用数据帧）中执行基于标记的数据帧校正？

Question

用户，

我正在尝试根据另一个数据集（集 B）中的值更改一组数据（集 A）。两者共享一个几乎相同的计数器变量 (TS)（由于舍入不同，存在一些偏差——不幸的是，这是不可避免的）。此外，两组中的条目具有不同的频率（使 A 比 B 长）。

这是集合 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

这是集合 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 中的标记小于 2，就删除集合 A 中的条目。即本例中的结果应如下所示：

# 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

我试过用 for 循环来完成这个。然而，由于实际文件非常长（A ~ 1,5Mio 行，B ~ 50K 行），需要太多的迭代，这就是为什么循环是不可能的。

有没有人碰巧知道如何解决这个问题？我也有兴趣阅读 material 以了解有关如何在 R 中有效处理此类问题的更多信息。

谢谢你和最好的问候

迈克尔

Answer 1

您的数据

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))

您必须决定的第一件事是两个 double 何时“相等”。比方说当小数点后第二位数字匹配时值相等，您可以使用

round(setA$TS * 100) == round(setB$TS[1] * 100)
# [1]  TRUE  TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE FALSE

现在我们可以使用 match 到 return 匹配 setA$TS

的 setB$TS 的 row-indices

I <- match(round(setA$TS*100), round(setB$TS*100))
I
# [1] 1 1 1 1 2 2 2 2 2

注意 I 的长度等于 setA 的 number-of-rows 但值是 setB[=22= 的 row-indices ]

然后对于每一列，我们使用 ifelse 到 return 一个条件值

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

如何在 R（交叉引用数据帧）中执行基于标记的数据帧校正？

How to perform marker based correction of data frame in R (cross-referencing data frames)?

r

transformation

dplyr

tidyverse