Question

希望任何人都能帮助我解决这个问题。我正在研究分支机构。我有两个数据集：df.ref（参考）和df.tst（建模）。该引用指出有三个分支df.ref$ID，每个分支的宽度和长度值。

df.ref <- data.frame(ID=c(1,2,3))
df.ref$length <- c(1.3,1.8,2.3)
df.ref$width <- c(0.5,0.7,0.9)
df.ref

df.tst包含对相同三个分支的建模测量。但是，有更多分支，六个df.tst$ID，其长度和宽度也是如此。

df.tst <- data.frame(ID=c(1,2,3,4,5,6))
df.tst$length <- c(1.1,1.5,1.8,1.8,2.1,2.6)
df.tst$width <- c(0.6,0.6,0.7,0.9,0.8,1.0)
df.tst

我想使用阈值内的长度和宽度值（例如0.2）来匹配建模到参考的最接近的值。结果可能是这样的：

results <- data.frame(ID.ref=c(1,2,3))
results$ID.tst.match <- c(1,3,5)
results

我尝试使用find.matches，但结果并不像预期的那样。我也在考虑使用RMSE来查看每行的最小RMSE，并进行迭代，但必须有一个更清晰的解决方案。

此外，可能存在没有解决方案（超出阈值）的情况。感谢!!!

Answer 1

您可以使用的一种方法是使用dist函数测量数据点之间的所有成对欧氏距离：

> dist_mat <- as.matrix(dist(combined[,c('length', 'width')]))
> dist_mat
          1         2         3         4         5         6         7         8         9
1 0.0000000 0.4000000 0.7071068 0.7615773 1.0198039 1.5524175 0.2236068 0.7071068 1.2369317
2 0.4000000 0.0000000 0.3162278 0.4242641 0.6324555 1.1704700 0.2236068 0.3162278 0.8544004
3 0.7071068 0.3162278 0.0000000 0.2000000 0.3162278 0.8544004 0.5385165 0.0000000 0.5385165
4 0.7615773 0.4242641 0.2000000 0.0000000 0.3162278 0.8062258 0.6403124 0.2000000 0.5000000
5 1.0198039 0.6324555 0.3162278 0.3162278 0.0000000 0.5385165 0.8544004 0.3162278 0.2236068
6 1.5524175 1.1704700 0.8544004 0.8062258 0.5385165 0.0000000 1.3928388 0.8544004 0.3162278
7 0.2236068 0.2236068 0.5385165 0.6403124 0.8544004 1.3928388 0.0000000 0.5385165 1.0770330
8 0.7071068 0.3162278 0.0000000 0.2000000 0.3162278 0.8544004 0.5385165 0.0000000 0.5385165
9 1.2369317 0.8544004 0.5385165 0.5000000 0.2236068 0.3162278 1.0770330 0.5385165 0.0000000

由于这包括数据帧内和数据帧比较，因此您只能提取不同数据帧中元素之间的距离：

> type_ind <- combined$type == 'test'
> type_ind
[1]  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE FALSE
> cross_comparisons <- dist_mat[type_ind, !type_ind]
> rownames(cross_comparisons) <- df.tst$ID
> colnames(cross_comparisons) <- df.ref$ID
> cross_comparisons
          1         2         3
1 0.2236068 0.7071068 1.2369317
2 0.2236068 0.3162278 0.8544004
3 0.5385165 0.0000000 0.5385165
4 0.6403124 0.2000000 0.5000000
5 0.8544004 0.3162278 0.2236068
6 1.3928388 0.8544004 0.3162278

接下来，要确定三个参考数据点中每一个的最近点，您只需在每列中找到最小值：

> apply(cross_comparisons, 2, which.min)
1 2 3 
1 3 5

要检查距离是否在您的阈值范围内，您可以执行以下操作：

> threshold <- 0.2
> apply(cross_comparisons, 2, function(x) { any(x < threshold) })
    1     2     3 
FALSE  TRUE FALSE

匹配来自两个具有最接近值的数据帧的行

1 个答案: