Question

我刚开始和R一起工作，请原谅我的无知。我有两个数据集

ProjectData，其中有20000行，其中Date列包含日期列表
HolidayData有90行，其中Date列包含假期列表。

我需要将日期与ProjectData和HolidayData进行比较，如果ProjectData中存在来自Holiday的日期，则在IsHoliday列中设置ProjectData列{1}}至True。

我认为下面的代码可行，但它从未给我正确的结果：

for (d in projectdata$cDate)
{
  for (dH in HolidayDate$Date)
  {
    projectdata$IsHoliday <- ifelse(d==dH,TRUE,FALSE)
    break
  }
}

这种方法对吗？

Answer 1

尝试：

projectdata$IsHoliday <- projectdata$cDate %in% HolidayDate$Date

您的代码存在一些问题。

首先，循环迭代有点奇怪。您正在遍历projectdata$cDate的每个HolidayDate$Date元素，并将projectdata$IsHoliday设置为TRUE或FALSE。问题是你没有说哪个元素是TRUE或FALSE，所以你每次都将while列设置为true或false。您可能最终得到一个全部为TRUE或全部为FALSE的列。 break也是不必要的。

其次，一般来说，优良的做法是避免循环有利于R中的向量化。许多R函数被向量化 - 我们可以在向量（即数字序列）上调用它们并获得合理的输出。在这种情况下，%in%要比==好得多，因为==会逐一进行比较，而%in%则会搜索一个。

Answer 2

另一个解决方案是

library(dplyr)

result =
  HolidayData %>%
  mutate(IsHoliday = TRUE) %>%
  right_join(Project_Data) %>%
  mutate(IsHoliday = IsHoliday %in% TRUE)

这样做的好处是可以为您提供一个连接表，如果需要，可以使用

进行其他操作

在R中，如何比较不同大小的数据帧列

2 个答案: