Question

有两个示例数据库如下

id<-c(1,2,3,1,4,3,5)
date<-c("2011-1-1","2011-1-1","2011-2-2","2012-3-3","2012-4-4","2012-5-5","2012-6-6")
d<-data.frame(cbind(id,date))
colnames(d)<-c("id","date")
d$w<-do.call(paste,c(d[c("id","date")],sep=" "))

id<-c(7,8,9,10,7,10,8,10,11,12)
date<-c("2011-1-1","2011-1-1","2011-2-2","2012-3-3","2012-3-3","2012-4-4","2012-4-4","2012-5-5","2012-6-6","2012-6-6")
contr<-data.frame(cbind(id,date))
colnames(contr)<-c("id","date")
contr$w<-do.call(paste,c(contr[c("id","date")],sep=" "))

考虑在两个数据集中重复id和日期，但d $ id与contr $ id不同，并且所有控制日期都是％d％date 我想要的是y这是一个向量，包括一个控制对于每个d $ id，在％d $ date中有一个控制日期％

我尝试了这个不起作用，但我确信必须有一个更简单，更简单=更好的方法来做到这一点。

y<-0
for(i in length(levels(factor(d$w)))){
   for(j in length(levels(factor(contr$w)))){
     z<-ifelse(d$date[i]==contr$date[j],contr$w[j],NA)
     y<-c(y,z)
     y<-subset(y,!is.na(y))
  }
}

任何人都可以提供帮助？非常感谢，马可

Answer 1

这就是我想要的，也许我在解释中不够清楚。我只想要每个id的随机日期（然后我可以创建w列）。我已经使用另一个问题的解决方案对此进行了排序：

Random row selection in R

很多无论如何都要努力！马可

Answer 2

实际上我现在写了一个循环来执行此操作（之前的答案不起作用，因为d中的某些情况没有匹配日期）。它非常慢，但它完全符合我的要求

for(i in 1:length(d$rownames)){
   if(TRUE%in%levels(factor(contr$w%in%d$w[i]))==TRUE){
       control.2$rownames[i]<-sample(contr$rownames[ctr$w==d$w[i]],1)
       contr<-contr[!contr$rownames%in%control.2$rownames[i],]
}else{
       z<-contr[contr$practice==d$practice[i],]
       z$tempo<-abs(difftime(z$date,d$date[i],units="days"))
       z<-z[!is.na(z$tempo),]
       z<-z[z$tempo==min(z$tempo),]
       control.2$rownames[i]<-sample(z$rownames,1)
       contr<-contr[!contr$rownames%in%control.2$rownames[i],]
  }
}

我确定不是最好的代码，但它确实有用。第二个外观考虑了几个没有匹配日期的情况，所以我选择了最接近日期的采样（）。如果你能想出一个更快的版本，那就太好了。我的数据集大约是d = ~5K行和contr = ~250万行，运行大约需要2个小时。痛苦但值得等待！

仅在data.frames之间匹配日期和ID

2 个答案: