Question

我有两个数据框，一个是带有x和Y坐标的80万行，另一个数据框是带有X和Y坐标的70000行。我想知道R中的逻辑和代码，我想将第1帧的数据点与数据帧2中的最近点相关联。是否有任何标准包可以这样做？

我正在运行嵌套for循环。但这非常缓慢，因为它的迭代次数为80万* 70000次，非常耗时。

请帮忙 -

Answer 1

我找到了一种使用data.table库获得预期结果的更快方法：

library(data.table)

time0 <- Sys.time()

以下是一些随机数据：

df1 <- data.table(x = runif(8e5), y = runif(8e5))
df2 <- data.table(x = runif(7e4), y = runif(7e4))

假设（x，y）是标准坐标系中的坐标，您可以计算距离的平方如下：

dist <- function(a, b){
                dt <- data.table((df2$x-a)^2+(df2$y-b)^2)
                return(which.min(dt$V1))}

现在您可以将此功能应用于您的数据以获得预期结果：

results <- df1[, j = list(Closest =  dist(x, y)), by = 1:nrow(df1)]

time1 <- Sys.time()
print(time1 - time0)

我花了大约30分钟才把结果放在慢速计算机上。

修改

根据要求，我使用sapply或使用adply包中的plyr尝试了其他几种解决方案。我已经在较小的数据帧上测试了这些解决方案，以使其更快。

library(data.table) library(plyr) library(microbenchmark) ######################## ## Test 1: data.table ## ######################## dt1 <- data.table(x = runif(1e4), y = runif(1e4)) dt2 <- data.table(x = runif(5e3), y = runif(5e3)) dist1 <- function(a, b){ dt <- data.table((dt2$x-a)^2+(dt2$y-b)^2) return(which.min(dt$V1))} results1 <- function() return(dt1[, j = list(Closest = dist1(x, y)), by = 1:nrow(dt1)]) ################### ## Test 2: adply ## ################### df1 <- data.frame(x = runif(1e4), y = runif(1e4)) df2 <- data.frame(x = runif(5e3), y = runif(5e3)) dist2 <- function(df){ dt <- data.table((df2$x-df$x)^2+(df2$y-df$y)^2) return(which.min(dt$V1))} results2 <- function() return(adply(.data = df1, .margins = 1, .fun = dist2)) #################### ## Test 3: sapply ## #################### df1 <- data.frame(x = runif(1e4), y = runif(1e4)) df2 <- data.frame(x = runif(5e3), y = runif(5e3)) dist2 <- function(df){ dt <- data.table((df2$x-df$x)^2+(df2$y-df$y)^2) return(which.min(dt$V1))} results3 <- function() return(sapply(1:nrow(df1), function(x) return(dist2(df1[x,])))) microbenchmark(results1(), results2(), results3(), times = 20) #Unit: seconds # expr min lq mean median uq max neval # results1() 4.046063 4.117177 4.401397 4.218234 4.538186 5.724824 20 # results2() 5.503518 5.679844 5.992497 5.886135 6.041192 7.283477 20 # results3() 4.718865 4.883286 5.131345 4.949300 5.231807 6.262914 20

第一种解决方案似乎明显快于其他解决方案。对于更大的数据集来说更是如此。

从其他数据框中查找最近的点

1 个答案: