Question

这个问题我一直在撞墙，我很乐意您的帮助。为了说明这一点，我创建了两个虚拟数据集（数据A和数据B）。

dataA <- data.frame(TimeofLife = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15),
                    TimeofDeath = c(4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18))
dataB <- data.frame(Time = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15),
                    Value = c(500, 510, 520, 530, 540, 500, 510, 520, 530, 540, 500, 510, 520, 530, 540))

下面是dataA的前6个值

  TimeofLife TimeofDeath
1          1           4
2          2           5
3          3           6
4          4           7
5          5           8
6          6           9

和dataB

   Time Value
1    1   500
2    2   510
3    3   520
4    4   530
5    5   540
6    6   500

我想使用dataA中的信息在dataB中创建一个子集。例如，dataA的第一行具有值（1、4）。使用这些作为值的范围，我想为dataB创建一个子集，如下所示：

  Time Value
1    1   500
2    2   510
3    3   520
4    4   530

现在，我遇到的问题是，在我的真实数据集中，我需要创建许多子集（数千个以上），而我无法手动执行此操作。也就是说，我无法为每个子集进行硬编码，因为那将是一场噩梦且容易出错。

我想做的是创建一个 for循环，该循环可用于从dataA中提取所需的信息，并使用它在dataB中创建子集。

我想要的代码逻辑看起来像这样（这是胡扯，不知道我该如何编码）：

for(row i in dataA)
  {find the values of TimeofLife and Time of Death in row dataA[i],
  then use those values to filter a subset of dataB, 
  extract and save this subset as a dataframe}

非常感谢您。

Answer 1

考虑使用mapply或其包装器Map明智地循环元素以建立数据帧列表：

proc_subset <- function(x, y) {
   dataB[dataB$Time >= x & dataB$Time <= y,]
}

# BUILD LIST OF SUBSET DATA FRAMES
subset_list <- Map(proc_subset, dataA$TimeofLife, dataA$TimeofDeath)

# NAME EACH ELEMENT
data_names <- paste("data", dataA$TimeofLife, dataA$TimeofDeath, sep="_")
subset_list <- setNames(subset_list, data_names)


# OUTPUT EACH DF ELEMENT
subset_list$data_1_4
subset_list$data_2_5
subset_list$data_3_6
...

Answer 2

如果允许打包，则data.table允许非等额联接。如图所示，它利用by = .EACHI按每行分组。

library(data.table)
setDT(dataA)
setDT(dataB)

dataB[dataA,
      on = .(Time >= TimeofLife,
             Time <= TimeofDeath),
      j = .(Values = .(Value)),
      by = .EACHI,
      allow.cartesian = TRUE
      ]

#     Time  Time          Values
#    <num> <num>          <list>
# 1:     1     4 500,510,520,530
# 2:     2     5 510,520,530,540
# 3:     3     6 520,530,540,500
# 4:     4     7 530,540,500,510
# 5:     5     8 540,500,510,520
# 6:     6     9 500,510,520,530
# 7:     7    10 510,520,530,540
# 8:     8    11 520,530,540,500
# 9:     9    12 530,540,500,510
#10:    10    13 540,500,510,520
#11:    11    14 500,510,520,530
#12:    12    15 510,520,530,540
#13:    13    16     520,530,540
#14:    14    17         530,540
#15:    15    18             540

如何使用 for 循环清理大型数据集

2 个答案:

如何使用** for **循环清理大型数据集

2 个答案:

如何使用 for 循环清理大型数据集