基准

Question

这是我努力重建昨天出现的问题，我早上大部分时间都在努力解决这个问题但却无法再找到问题。 2个数据集df1和一个较小的df2提供了相同的列名，请求仅替换date列匹配的行中的NA值。我想合并本可以做到并且可能不那么繁重，但我正在寻求match()和索引策略并最终找到一个：

df1 <- structure(list(date = c(20040101L, 20040115L, 20040131L, 20040205L, 
20040228L, 20040301L, 20040315L, 20040331L), X11A = c(100L, 200L, 
NA, NA, NA, 150L, NA, NA), X11A.1 = c(150L, NA, 165L, NA, NA, 
155L, NA, NA), X21B = c(NA, 200L, 180L, NA, NA, 170L, 180L, NA
), X3CC = c(NA, NA, 190L, NA, NA, 150L, 190L, 175L), X3CC.1 = c(140L, 
NA, 190L, NA, NA, 160L, 200L, 180L)), .Names = c("date", "X11A", 
"X11A.1", "X21B", "X3CC", "X3CC.1"), class = "data.frame", row.names = c(NA, 
-8L))

df2 <- structure(list(date = c(20040228L, 20040131L, 20040331L), X11A = c(140L, 
170L, NA), X11A.1 = c(145L, NA, 145L), X21B = c(165L, NA, 160L
), X3CC = c(150L, NA, NA), X3CC.1 = c(155L, NA, NA)), .Names = c("date", 
"X11A", "X11A.1", "X21B", "X3CC", "X3CC.1"), class = "data.frame", row.names = c(NA, 
-3L))

实际提供的内容：

DF1：

  date       11A    11A    21B    3CC    3CC
 20040101    100    150     NA     NA    140
 20040115    200     NA    200     NA     NA
 20040131     NA    165    180    190    190
 20040205     NA     NA     NA     NA     NA
 20040228     NA     NA     NA     NA     NA
 20040301    150    155    170    150    160
 20040315     NA      NA    180    190    200
 20040331     NA      NA     NA    175    180

DF2：

 date        11A    11A    21B    3CC    3CC
 20040228    140    145    165    150    155
 20040131    170     NA     NA     NA     NA
 20040331     NA    145    160     NA     NA

Answer 1

is.na功能可以创建一个＆＃34;模板＆＃34;来自dataframe参数的逻辑。我的目标是创建这样的模板，然后仅选择两个match列之间具有date结果的行。使用which和arr.ind = TRUE会给出一个两列矩阵，可以用作[<-或[的单个参数：

valpos <- which(is.na(df1)[match(df2$date, df1$date), ], arr.ind=TRUE)

接下来的任务是转换第一列（名为＆＃34; row＆＃34;），以便用正确的行代替＆＃34; target＆＃34;数据帧：

targpos <- cbind( match(df2$date, df1$date)[ valpos[,'row'] ] , 
                  valpos[,'col'])

然后它只是：

> df1[targpos] <- df2[valpos]
> df1
      date X11A X11A.1 X21B X3CC X3CC.1
1 20040101  100    150   NA   NA    140
2 20040115  200     NA  200   NA     NA
3 20040131  170    165  180  190    190
4 20040205   NA     NA   NA   NA     NA
5 20040228  140    145  165  150    155
6 20040301  150    155  170  150    160
7 20040315   NA     NA  180  190    200
8 20040331   NA    145  160  175    180

当我把订单拖到日期时，我确实让问题变得更加困难。我认为这种逻辑也很难解决这个问题。

Answer 2

以下解决方案根据df2列预先计算（1）从df1到date的行映射，以及（2）两个data.frame之间的公共数据列名称。然后迭代通用列，并为每个列测试df1列中的哪些单元都映射到df2并且值为NA，然后从可用的任何值中分配这些单元格。 df2。

优点：

不需要完全相应的列集;将按列名匹配它们。
通过仅对公共列进行迭代处理最少量的数据，仅对映射到df1的{{1}}单元进行NA测试，并仅分配NA单元。
保护输入列数据类型。 IOW，如果df2具有异构列类型，则此操作不会破坏这些类型。

df1

基准

rms <- match(df2$date,df1$date);
cms <- intersect(names(df1)[-1L],names(df2)[-1L]);
for (cm in cms) { n <- is.na(df1[[cm]][rms]); df1[[cm]][rms][n] <- df2[[cm]][n]; };
df1;
##       date X11A X11A.1 X21B X3CC X3CC.1
## 1 20040101  100    150   NA   NA    140
## 2 20040115  200     NA  200   NA     NA
## 3 20040131  170    165  180  190    190
## 4 20040205   NA     NA   NA   NA     NA
## 5 20040228  140    145  165  150    155
## 6 20040301  150    155  170  150    160
## 7 20040315   NA     NA  180  190    200
## 8 20040331   NA    145  160  175    180

library(microbenchmark);

`42` <- function(df1,df2) { valpos <- which(is.na(df1)[match(df2$date,df1$date),],arr.ind=TRUE); targpos <- cbind(match(df2$date,df1$date)[valpos[,'row']],valpos[,'col']); df1[targpos] <- df2[valpos]; df1; };
bgoldst <- function(df1,df2) { rms <- match(df2$date,df1$date); cms <- intersect(names(df1)[-1L],names(df2)[-1L]); for (cm in cms) { n <- is.na(df1[[cm]][rms]); df1[[cm]][rms][n] <- df2[[cm]][n]; }; df1; };

identical(`42`(df1,df2),bgoldst(df1,df2));
## [1] TRUE
microbenchmark(`42`(df1,df2),bgoldst(df1,df2));
## Unit: microseconds
##               expr     min       lq     mean   median       uq      max neval
##     `42`(df1, df2) 297.219 309.1935 340.1425 319.0295 333.9975 1236.771   100
##  bgoldst(df1, df2) 175.766 181.7530 192.9317 188.1670 198.2180  316.463   100

R：在按日期匹配行之后，将第一个dfrm中多个列中的NA值替换为第二个dfrm中的值

2 个答案:

基准