Question

我是R的新手，在操作一些环境监测数据时对此问题感到困惑。

我有两个数据集分别记录实际监控时间序列和监控站点信息。我将它们存储在两个数据框monitoring和sites中：

monitoring:

                  date       site obs
 1 2001-01-01 10:00:00  riverside  NA
 2 2001-01-01 11:00:00  riverside  52
 3 2001-01-01 12:00:00  riverside  52
 4 2001-01-01 13:00:00  riverside  56
 5 2001-01-01 10:00:00       dorm  52
 6 2001-01-01 11:00:00       dorm  64
 7 2001-01-01 12:00:00       dorm  76
 8 2001-01-01 13:00:00       dorm  80
 9 2001-01-01 10:00:00        kfc  78
10 2001-01-01 11:00:00        kfc  74
11 2001-01-01 12:00:00        kfc  66
12 2001-01-01 13:00:00        kfc  68

sites:

        site       type
 1      DORM   suburban
 2       KFC      urban
 3 RIVERSIDE      rural

我想在site.type中添加一个monitoring列，其中包含从sites中提取的信息，如下所示：

                  date       site obs site.type
 1 2001-01-01 10:00:00  riverside  NA     rural
 2 2001-01-01 11:00:00  riverside  52     rural
 3 2001-01-01 12:00:00  riverside  52     rural
 4 2001-01-01 13:00:00  riverside  56     rural
 5 2001-01-01 10:00:00       dorm  52  suburban
 6 2001-01-01 11:00:00       dorm  64  suburban
 7 2001-01-01 12:00:00       dorm  76  suburban
 8 2001-01-01 13:00:00       dorm  80  suburban
 9 2001-01-01 10:00:00        kfc  78     urban
10 2001-01-01 11:00:00        kfc  74     urban
11 2001-01-01 12:00:00        kfc  66     urban
12 2001-01-01 13:00:00        kfc  68     urban

我在以下命令中尝试了grep()：

for (i in 1:nrow(monitoring)) {
  monitoring$site.type[i] <- as.character(sites$type[grep(monitoring$site[i], sites$site, ignore.case = T)])
}

在这个monitoring的小示例集上工作正常。但是，当我将它应用到我的654,525条记录的真实数据集时，它从未停止在具有16 GB RAM的i5-2400计算机上运行...

我试图在stackoverflow上搜索现有的问题并且确实找到了一些答案，为类似的场景提供了相同的解决方案，所以更加困惑的是为什么它在我的情况下不起作用。因此，

有人可以指出问题所在吗？
我可以问一下如何在这种情况下避免for循环不是“时尚”和高效？：）

非常感谢提前。

Answer 1

正如Ben建议的那样，正确的方法是使用merge，但这是一个简单的伎俩：

rownames( sites ) <- tolower( sites$site )

现在，您可以使用sites等密钥访问riverside，例如尝试sites[ "riverside", ]。 tolower()功能仅用于将RIVERSIDE转换为riverside。因此，你可以做到

monitoring$site.type <- sites[ monitoring$site, "type" ]

Answer 2

使用Ben建议的merge很容易

monitoring
sites$site <- factor(tolower(sites$site)) # cols are unordered

merge(monitoring, sites, by='site')

# fixing col order...
merge(monitoring, sites, by='site')[,c('date', 'site', 'obs', 'type')]

如何根据另一个数据框中的值引用一个数据帧中的值？

2 个答案: