Question

我收到的脚本实际上是根据时间戳将两个数据源连接在一起。运行需要很长时间。所以我想改写它。让我简要解释一下这个问题：

数据

来自两个不同来源的数据。我们称之为 A 和 B ，以简化操作。 来源A 记录，例如环境中二氧化碳浓度每秒两次。 来源B 包含在机器人挤奶期间对个别奶牛的观察。因此，机器人记录牛奶产量，例如，从开始到挤奶结束（表中的一行）。

我很快写了一个简单的数据表示形式：

ori = "2015-03-02"
TimeStamp <- seq(from=20000,to=20025, by = 0.5)
TimeStamp <- as.POSIXct(TimeStamp[-length(TimeStamp)], origin = ori, tz ="GMT")
set.seed(42)
x1 <- 1000:2000
x1 <- sample(50)
sourceA <- data.frame(TimeStamp = TimeStamp, x1 = x1) 

StartTime <- seq(from=20000,to=20025, by = 5)
EndTime <- StartTime + 2
StartTime <- as.POSIXct(StartTime[-length(StartTime)], origin = ori, tz ="GMT")
EndTime <- as.POSIXct(EndTime[-length(EndTime)], origin = ori, tz ="GMT")
set.seed(36)
x2 <- 600:800
x2 <- sample(x2,size = 5)
sourceB <- data.frame(StartTime = StartTime, EndTime = EndTime, x2 = x2)

最初，我编写了一个脚本来计算TimeStamp和StartTime之间的时差。然后，如果差异为0，则将来自源 B 的数据附加到源 A 。我希望避免逐个循环遍历数据 - 这将永远需要。

什么是接近这个的好方法？

[编辑]

我添加了代码来创建所需的输出：

tmp <- NULL
for(i in 1:5){
  tmp <- c(tmp, rep(sourceB$x2[i],6))
  tmp <- c(tmp, rep(0,4))
}
EndResult <- data.frame(TimeStamp = sourceA$TimeStamp, x1 = sourceA$x1, x2 = tmp)

Answer 1

我将假设我们在这里处理真正的POSIXct类（而不是因为你假设偶然产生的因素），然后解决方案就是使用foverlaps中的data.table函数这个任务非常有效。

首先，我们将两个数据集转换为data.table个对象，在两个对象中创建相应的开始和结束日期，然后键入较小的数据集。然后，剩下要做的就是运行foverlaps函数。以下是前10行的结果

library(data.table)
setkey(setDT(sourceB), StartTime, EndTime)
setnames(setDT(sourceA)[, EndTime := TimeStamp], "TimeStamp", "StartTime")
(EndResult <- foverlaps(sourceA, sourceB))
#               StartTime             EndTime  x2         i.StartTime x1           i.EndTime
#  1: 2015-03-02 05:33:20 2015-03-02 05:33:22 725 2015-03-02 05:33:20  1 2015-03-02 05:33:20
#  2: 2015-03-02 05:33:20 2015-03-02 05:33:22 725 2015-03-02 05:33:20 47 2015-03-02 05:33:20
#  3: 2015-03-02 05:33:20 2015-03-02 05:33:22 725 2015-03-02 05:33:21 21 2015-03-02 05:33:21
#  4: 2015-03-02 05:33:20 2015-03-02 05:33:22 725 2015-03-02 05:33:21  5 2015-03-02 05:33:21
#  5: 2015-03-02 05:33:20 2015-03-02 05:33:22 725 2015-03-02 05:33:22 17 2015-03-02 05:33:22
#  6:                <NA>                <NA>  NA 2015-03-02 05:33:22 13 2015-03-02 05:33:22
#  7:                <NA>                <NA>  NA 2015-03-02 05:33:23 27 2015-03-02 05:33:23
#  8:                <NA>                <NA>  NA 2015-03-02 05:33:23 23 2015-03-02 05:33:23
#  9:                <NA>                <NA>  NA 2015-03-02 05:33:24  3 2015-03-02 05:33:24
# 10:                <NA>                <NA>  NA 2015-03-02 05:33:24  4 2015-03-02 05:33:24
....

根据R中的时间戳附加来自两个不同来源的数据

1 个答案: