Question

我在R中有两个数据框。第一个数据帧是具有相关周期的累积频率分布（cumFreqDist）。数据框的第一行如下所示：

Time        cumfreq
0         0.0000000
4         0.9009009
6         1.8018018
8         7.5075075
12       23.4234234
16       39.6396396
18       53.4534535
20       58.2582583
24       75.3753754
100     100.0000000

第二个数据框是来自runif分布的10000个绘图，使用代码：

 testData <- (runif(10000))*100

对于testData中的每一行，我想在cumfreq中找到相应的cumFreqDist，并将相应的Time值添加到testData中的新列中。由于testData是代表真实数据框的测试数据框，因此我不希望对testData进行排序。

由于我处理累积频率，如果testData值为23.30...，则应返回的Time值为8。也就是说，我需要找到不超过cumfreq值的最近testData值，并仅返回该值。

其他类似问题已经提到data.table包，但我的理解有限，这个包需要在两个数据框中识别密钥（转换为数据表后），我不能认为testData值满足被指定为键的要求 - 并且看起来分配键将对数据进行排序。当我在以后的工作中设置种子时，这会引起我的问题。

Answer 1

findInterval()非常适合：

set.seed(1);
cumFreqDist <- data.frame(Time=c(0,4,6,8,12,16,18,20,24,100), cumfreq=c(0.0000000,0.9009009,1.8018018,7.5075075,23.4234234,39.6396396,53.4534535,58.2582583,75.3753754,100.0000000) );
testData <- data.frame(x=runif(10000)*100);
testData$Time <- cumFreqDist$Time[findInterval(testData$x,cumFreqDist$cumfreq)];
head(testData,20);
##            x Time
## 1  26.550866   12
## 2  37.212390   12
## 3  57.285336   18
## 4  90.820779   24
## 5  20.168193    8
## 6  89.838968   24
## 7  94.467527   24
## 8  66.079779   20
## 9  62.911404   20
## 10  6.178627    6
## 11 20.597457    8
## 12 17.655675    8
## 13 68.702285   20
## 14 38.410372   12
## 15 76.984142   24
## 16 49.769924   16
## 17 71.761851   20
## 18 99.190609   24
## 19 38.003518   12
## 20 77.744522   24

从排序数据框中将最近的值绘制到未排序的数据框

1 个答案: