Question

我有两个数据框。

第一列有两列：x是水深，y是每个深度的温度。

第二个也有两列，x也是水深，但与第一个表相比深度不同。第二列z是盐度。

我希望x加入两个表，方法是将z添加到第一个表中。我已经学会了如何使用tidyr中的'key'来连接表，但这只有在密钥相同时才有效。这两个表中的x不一样。

我想要做的是将表2中的深度x与表1中的深度x匹配（即将表2 x中的1.1匹配到表1中的1.0 {{ 1}}）。

我该怎么做？

Table 1
| x | y  |
|---|----|
| 1 | 25 |
| 2 | 26 |
| 3 | 27 |

Table 2
| x    | z  |
|------|----|
| 1.1  | 30 |
| 2.05 | 35 |
| 3.8  | 34 |

我想要

Table 1
| x | y  | z  |
|---|----|----|
| 1 | 25 | 30 |
| 2 | 26 | 35 |
| 3 | 27 | NA |

前两个'x'值在Table 2中具有匹配（绝对差异在10％以内）。第三个没有。

Answer 1

提供数据后进行编辑：

从@ MKR的帖子中获取数据定义：

library(fuzzyjoin)
fuzzy_left_join(Table_1, Table_2,match_fun = function(x,y)  y> x & y<=1.1*x )
# Joining by: "x"
#   x.x  y  x.y  z
# 1   1 25 1.10 30
# 2   2 26 2.05 35
# 3   3 27   NA NA

假数据的一般解释（第一个答案）

虚假数据

iris1 <- head(iris[1:2])
iris1
#   Sepal.Length Sepal.Width
# 1          5.1         3.5
# 2          4.9         3.0
# 3          4.7         3.2
# 4          4.6         3.1
# 5          5.0         3.6
# 6          5.4         3.9

iris2 <- head(iris[c(1,3)])
set.seed(1)

# add noise
iris2$Sepal.Length <- iris2$Sepal.Length + rnorm(6,sd=0.05)

# shuffle rows
iris2 <- iris2[sample(seq(nrow(iris2))),]

iris2
#   Sepal.Length Petal.Length
# 5     5.016475          1.4
# 2     4.909182          1.4
# 4     4.679764          1.5
# 6     5.358977          1.7
# 3     4.658219          1.3
# 1     5.068677          1.4

<强>码

library(fuzzyjoin)
fuzzy_left_join(iris1,iris2,match_fun= function(x,y) y>0.99*x & y<1.01*x )
# Joining by: "Sepal.Length"
# Sepal.Length.x Sepal.Width Sepal.Length.y Petal.Length
# 1            5.1         3.5       5.068677          1.4
# 2            4.9         3.0       4.909182          1.4
# 3            4.7         3.2       4.679764          1.5
# 4            4.7         3.2       4.658219          1.3
# 5            4.6         3.1             NA           NA
# 6            5.0         3.6       5.016475          1.4
# 7            5.4         3.9       5.358977          1.7

我们看到一些行匹配得很好，让我们来看看例外情况。行号4在iris2中添加了太多噪音，因此它与第3行配对，第3行有2个匹配。当我选择左连接时，仍会显示第4行，但NAs的列为iris2。

据我所知：

将扩展加入列
该函数将这些长列（此处为6*6==36个元素）作为参数
我们应用向量化函数（例如本例中的<或&）来返回逻辑向量，该向量将过滤这些长列以构建输出data.frame。

distance_left_join使用起来比较简单，但它绝对是距离，而不是相对距离。

Answer 2

使用sqldf的选项可以实现为：

library(sqldf)


sqldf("select T1.x, T1.y, A.z from Table_1 T1
left join (select Table_1.x, Table_1.y, Table_2.z from Table_1 
   left join Table_2 where round((100*abs(Table_1.x - Table_2.x)/Table_1.x),0) <= 10) A 
on T1.x = A.x")

#   x  y  z
# 1 1 25 30
# 2 2 26 35
# 3 3 27 NA

数据：

Table_1 <- read.table(text = "x y 1 25 2 26 3 27", header = TRUE) Table_2 <- read.table(text = "x z 1.1 30 2.05 35 3.8 34", header = TRUE)

在R中加入/匹配数据帧

2 个答案: