Question

主题

我有两个（简化的）数据集：

每小时500次观察some.value的数据集（date.time变量为POSIXct）
每日10个温度的数据集（日期变量为日期）

目标是将第二个数据集的温度作为新变量添加到第一个数据集中，其中变量date.time对应于日期变量。

我尝试使用setkey（）和roll =“nearest”的data.table解决方案，根据：R – How to join two data frames by nearest time-date?

不幸的是，合并的温度始终与整个合并数据集的值相同。

简化示例

以下是说明我的问题和解决方案尝试的示例代码：

设置随机种子

set.seed(10)

生成两个数据集

observations <- data.frame(date.time = seq(from=ymd_hms("2017-02-01 00:00:00"), length.out=500, by=60*60), some.value = runif(500,0.0,1.0))
daily.temperature <- data.frame(date = seq(from=as.Date("2017-02-01"), length.out = 10, by=1), temperature = runif(10,10,40))

使用data.tables和roll =“最近”

的解决方案尝试

# converting dataframes to datatables
library(data.table)
observations <- as.data.table(observations)
daily.temperature <- as.data.table(daily.temperature)

# setting the keys of the two datasets
setkey(observations,date.time)
setkey(daily.temperature,date)

# Combinding the datasets
combined <- daily.temperature[observations, roll = "nearest" ]
combined

请注意，无论日期如何，组合数据集中的温度变量始终相同。

注意未简化（真实）问题的注释：

在我的实际问题中，每分钟而不是每小时都会记录观察结果。
在我的实际问题中，daily.temperature数据集并未涵盖整个观察范围。在这种情况下，添加“NA”或根本没有任何东西，因为温度会很好。

Answer 1

你想要这样的东西吗？

    set.seed(10)
library(dplyr)
    observations <- data.frame(date.time = seq(from=ymd_hms("2017-02-01 00:00:00"), length.out=500, by=60*60), some.value = runif(500,0.0,1.0))
    daily.temperature <- data.frame(date = seq(from=as.Date("2017-02-01"), length.out = 10, by=1), temperature = runif(10,10,40))
    observations$date<-as.Date(observations$date.time)
    combined<-left_join(observations,daily.temperature,by="date")
> head(combined)
            date.time some.value       date temperature
1 2017-02-01 00:00:00  0.8561467 2017-02-01    38.64702
2 2017-02-01 01:00:00  0.7820957 2017-02-01    38.64702
3 2017-02-01 02:00:00  0.2443390 2017-02-01    38.64702
4 2017-02-01 03:00:00  0.3138552 2017-02-01    38.64702
5 2017-02-01 04:00:00  0.1284753 2017-02-01    38.64702
6 2017-02-01 05:00:00  0.9299472 2017-02-01    38.64702

如何分别在POSIXct和Date上合并大数据集和小数据集？

1 个答案: