我有一个数据集（mydata），其中包含多个列，这些列可以适合存储在另一个数据集（mycomparison）中的范围。
我想将mycomparison加入mydata，其中mydata值在mycomparison的范围内。
library(data.table)
mydata<-data.table(
id=1:5,
val1=seq(10000, 50000, by=10000),
val2=floor(rnorm(5,mean=400,sd=100)),
val3=rnorm(5,mean=.7,sd=.1)
)
mycomparison<-data.table(
Name=LETTERS[1:3],
minval1=c(0,30000,10000),
maxval1=c(50000,80000,30000),
minval2=c(300,400,300),
maxval2=c(800,800,800),
minval3=c(0,.5,.2),
maxval3=c(1,.9,.8),
correspondingval=c(.1,.2,.3)
)
> mydata.withmatches
id val1 val2 val3 Name minval1 maxval1 minval2 maxval2 minval3 maxval3 correspondingval
1: 1 10000 387 0.4844319 A 0 50000 300 800 0 1 0.1
2: 2 20000 425 0.7856313 NA NA NA NA NA NA NA NA
3: 3 30000 324 0.8063969 NA NA NA NA NA NA NA NA
4: 4 40000 263 0.5590113 NA NA NA NA NA NA NA NA
5: 5 50000 187 0.8764396 NA NA NA NA NA NA NA NA
这感觉/非常笨重，涉及交叉加入数据（使用optiRum::CJ.dt），进行大的逻辑检查，然后重新组合数据。
library(optiRum)
workingdt<-CJ.dt(mydata,mycomparison)
matched<-workingdt[val1>=minval1 &
val1<=maxval1 &
val2>=minval2 &
val2<=maxval2 &
val3>=minval3 &
val3<=maxval3][which.min(correspondingval)]
notmatched<-mydata[id!= matched[,id]]
all<-list(matched,notmatched)
mydata.withmatches<- rbindlist(all, fill=TRUE, use.names=TRUE)
我知道foverlaps，但它会在一个时间间隔内工作，而不是像在这种情况下的许多范围。
我希望不那么笨重，更优雅的解决方案。
答案 0 :(得分：0)
好问题！下面你可以找到我的快速修复，但它仍然有点太 cluncky 符合我的口味。
生成的mydata集：
id val1 val2 val3
1: 1 10000 377 0.7912443
2: 2 20000 378 0.7709792
3: 3 30000 484 0.7049517
4: 4 40000 513 0.5169590
5: 5 50000 474 0.7987448
一个简单的函数，用于过滤掉比较数据集的不匹配行（多行可以匹配）。
library(dplyr)
find_interval_func<-function(var.min.name, var.max.name, value, val.to.return){
compset<-data.frame(mycomparison)
for(i in 1:length(var.min.name)){
compset<-
compset %>%
filter_(paste0(var.min.name[[i]], "<=", value[[i]]),
paste0(var.max.name[[i]], ">", value[[i]]))
}
paste(compset[,val.to.return], collapse="|")
}
结果：
> mydata %>%
+ group_by(1:n()) %>%
+ mutate(matchedValue = find_interval_func(c("minval1", "minval2", "minval3"),
+ c("maxval1", "maxval2", "maxval3"),
+ c(val1, val2, val3),
+ "Name"))
Source: local data table [5 x 6]
id val1 val2 val3 1:n() matchedValue
1 1 10000 377 0.7912443 1 A|C
2 2 20000 378 0.7709792 2 A|C
3 3 30000 484 0.7049517 3 A|B
4 4 40000 513 0.5169590 4 A|B
5 5 50000 474 0.7987448 5 B
答案 1 :(得分：0)
我并不完全理解您的期望输出，因为多个ID与mycomparison data.table相匹配。使用您的数据（四舍五入到小数点后两位）：
> mydata
id val1 val2 val3
1: 1 10000 387 0.48
2: 2 20000 425 0.79
3: 3 30000 324 0.81
4: 4 40000 263 0.56
5: 5 50000 187 0.88
和
> mycomparison
Name minval1 maxval1 minval2 maxval2 minval3 maxval3 correspondingval
1: A 0 50000 300 800 0.0 1.0 0.1
2: B 30000 80000 400 800 0.5 0.9 0.2
3: C 10000 30000 300 800 0.2 0.8 0.3
这给出了：
> workingdt
id val1 val2 val3 Name minval1 maxval1 minval2 maxval2 minval3 maxval3 correspondingval
1: 1 10000 387 0.48 A 0 50000 300 800 0.0 1.0 0.1
2: 2 20000 425 0.79 A 0 50000 300 800 0.0 1.0 0.1
3: 3 30000 324 0.81 A 0 50000 300 800 0.0 1.0 0.1
4: 4 40000 263 0.56 A 0 50000 300 800 0.0 1.0 0.1
5: 5 50000 187 0.88 A 0 50000 300 800 0.0 1.0 0.1
6: 1 10000 387 0.48 B 30000 80000 400 800 0.5 0.9 0.2
7: 2 20000 425 0.79 B 30000 80000 400 800 0.5 0.9 0.2
8: 3 30000 324 0.81 B 30000 80000 400 800 0.5 0.9 0.2
9: 4 40000 263 0.56 B 30000 80000 400 800 0.5 0.9 0.2
10: 5 50000 187 0.88 B 30000 80000 400 800 0.5 0.9 0.2
11: 1 10000 387 0.48 C 10000 30000 300 800 0.2 0.8 0.3
12: 2 20000 425 0.79 C 10000 30000 300 800 0.2 0.8 0.3
13: 3 30000 324 0.81 C 10000 30000 300 800 0.2 0.8 0.3
14: 4 40000 263 0.56 C 10000 30000 300 800 0.2 0.8 0.3
15: 5 50000 187 0.88 C 10000 30000 300 800 0.2 0.8 0.3
取消which.min()：
> workingdt[val1>=minval1 & val1<= maxval1 & val2>=minval2 &
val2<=maxval2 & val3>=minval3 & val3<=maxval3]
id val1 val2 val3 Name minval1 maxval1 minval2 maxval2 minval3 maxval3 correspondingval
1: 1 10000 387 0.48 A 0 50000 300 800 0.0 1.0 0.1
2: 2 20000 425 0.79 A 0 50000 300 800 0.0 1.0 0.1
3: 3 30000 324 0.81 A 0 50000 300 800 0.0 1.0 0.1
4: 1 10000 387 0.48 C 10000 30000 300 800 0.2 0.8 0.3
5: 2 20000 425 0.79 C 10000 30000 300 800 0.2 0.8 0.3
如果您使用data.table分组依据功能，则可以为每个min(correspondingval)选择id（我暂时不会使用不匹配的数据）：
> workingdt[val1>=minval1 & val1<= maxval1 & val2>=minval2 &
val2<=maxval2 & val3>=minval3 & val3<=maxval3]
[,.SD[which.min(correspondingval)], by=id]
id val1 val2 val3 Name minval1 maxval1 minval2 maxval2 minval3 maxval3 correspondingval
1: 1 10000 387 0.48 A 0 50000 300 800 0 1 0.1
2: 2 20000 425 0.79 A 0 50000 300 800 0 1 0.1
3: 3 30000 324 0.81 A 0 50000 300 800 0 1 0.1
或者，max(correspondingval)如果您愿意：
> workingdt[val1>=minval1 & val1<= maxval1 & val2>=minval2 &
val2<=maxval2 & val3>=minval3 & val3<=maxval3]
[,.SD[which.max(correspondingval)], by=id]
id val1 val2 val3 Name minval1 maxval1 minval2 maxval2 minval3 maxval3 correspondingval
1: 1 10000 387 0.48 C 10000 30000 300 800 0.2 0.8 0.3
2: 2 20000 425 0.79 C 10000 30000 300 800 0.2 0.8 0.3
3: 3 30000 324 0.81 A 0 50000 300 800 0.0 1.0 0.1
如果你想要的只是 - 如期望的输出所示 - 是第一行的correspondingval最小，其他一切都是NA，那么有更简单的方法做这个。如果你想知道每个id匹配一个范围 - 正如我在输出中所示 - 那么更清晰，更优雅的解决方案是不同的。
让我知道。
答案 2 :(得分：0)
有一种简单的方法，它使用来自tidyr的交叉函数，以及来自dplyr的函数之间非常有用的。当然，只要至少有一个表格相对较小，这就可以安全地工作，否则交叉可能是一个记忆猪。
reset