Question

我正在处理一个大时间序列数据集，我想比较两列所以我的第一个专栏看起来像

            timeperiod          timefortreatment
       2014-08-01 00:00:00        102.81818
       2014-08-01 01:00:00         12.34483
       2014-08-01 02:00:00         35.67568
       2014-08-01 03:00:00        125.57692
       2014-08-01 04:00:00         97.56250
       2014-08-01 05:00:00         36.66667

第二列看起来像

        arrivaltime         
       2014-08-01 00:14:00       
       2014-08-01 00:22:00         
       2014-08-01 00:47:00         
       2014-08-01 01:07:00        
       2014-08-01 01:19:00         
       2014-08-01 01:53:00

两者长度不等，第二次大于第一次。我必须将第一列与第二列进行比较，得到最终的一列，如下所示。比较的逻辑是，如果第二列中的到达时间小于第一列中的条目（此处时间为1小时），则获得该特定时期的治疗时间值

             arrival          timefortreatment
       2014-08-01 00:14:00        102.81818
       2014-08-01 00:22:00        102.81818
       2014-08-01 00:47:00        102.81818
       2014-08-01 01:07:00         12.34483
       2014-08-01 01:19:00         12.34483
       2014-08-01 01:53:00         12.34483

我已经基于两个for循环创建了一个逻辑，它将永远占用50k +值：

for (i in 1:nrow(date)) 
{
    for (j in 1:nrow(period))
    { 
        if (date[i,1]>=period[j,])
        { 
            z[i,]=t[j,] 
            j=j+1
        } 
    } 
    i=i+1 
}

我想知道还有其他方法可以做到这一点。在这方面的任何帮助将受到高度赞赏。编辑我的答案以适应不同时间段的案例。

             timeperiod                  timefortreatment
              2014-08-01 00:14:00               75
              2014-08-01 00:19:00              143
              2014-08-01 00:44:00              126
              2014-08-01 01:04:00              125
              2014-08-01 01:19:00              125
              2014-08-01 01:49:00              122

对于这种情况，输出将如下所示基于相同的逻辑，即（到达> =时间段）

              arrival          timefortreatment
       2014-08-01 00:14:00            75
       2014-08-01 00:22:00           143
       2014-08-01 00:47:00           126
       2014-08-01 01:07:00           125
       2014-08-01 01:19:00           125
       2014-08-01 01:53:00           122

如果需要更多详细信息，请告诉我

Answer 1

这是一个解决方案，只有一个for循环，存在更快的解决方案。

df1 = data.frame(timeperiod = seq(as.POSIXct("2014-08-01 00:00:00"), as.POSIXct("2014-08-01 05:00:00"), by = "1 hour"),
            timefortreatment = c(102.81818, 12.34483, 35.67568, 125.57692, 97.56250, 36.66667))
df2 = data.frame(arrivaltime = c(as.POSIXct("2014-08-01 00:14:00"), as.POSIXct("2014-08-01 00:22:00"), as.POSIXct("2014-08-01 00:47:00"), as.POSIXct("2014-08-01 01:07:00"), as.POSIXct("2014-08-01 01:19:00"), as.POSIXct("2014-08-01 01:53:00")))


library(stringr)
df2$time_min = as.POSIXct(paste0(str_sub(df2$arrivaltime, 1, 14), "00:00"))

for (i in 1:nrow(df2))
{
 df2$timefortreatment[i] = df1$timefortreatment[df1$timeperiod == df2$time_min[i]]
}

修改

在时间段内没有周期性，您可以使用difftime函数：

df1 = data.frame(timeperiod = c(as.POSIXct("2014-08-01 00:14:00"), as.POSIXct("2014-08-01 00:19:00"), as.POSIXct("2014-08-01 00:44:00"), as.POSIXct("2014-08-01 01:04:00"), as.POSIXct("2014-08-01 01:19:00"), as.POSIXct("2014-08-01 01:49:00")), timefortreatment = c(75, 143, 126, 125, 125, 122)) df2 = data.frame(arrivaltime = c(as.POSIXct("2014-08-01 00:14:00"), as.POSIXct("2014-08-01 00:22:00"), as.POSIXct("2014-08-01 00:47:00"), as.POSIXct("2014-08-01 01:07:00"), as.POSIXct("2014-08-01 01:19:00"), as.POSIXct("2014-08-01 01:53:00"))) for (i in 1:nrow(df2)) { df2$timefortreatment[i] = df1$timefortreatment[which.min(abs(difftime(df2$arrivaltime[i], df1$timeperiod)))] } # APPLY solution my_function = function(value) { output = df1$timefortreatment[which.min(abs(difftime(value, df1$timeperiod)))] } df2$timefortreatment = apply(df2, 1, my_function) > df2 arrivaltime timefortreatment 1 2014-08-01 00:14:00 75 2 2014-08-01 00:22:00 143 3 2014-08-01 00:47:00 126 4 2014-08-01 01:07:00 125 5 2014-08-01 01:19:00 125 6 2014-08-01 01:53:00 122

使用逻辑运算符比较R中的两列不等长

1 个答案: