在数据框中有条件地更改值（2个条件）并避免R中的循环

Question

我有一种情况，我目前使用非常耗时的循环。

我的数据集： SPECIE（3列data.frame）； WORLD（3 列矩阵）

在 SPECIE 中，我有 3 个变量：LAT、LON、OCC（数字） OCC 始终 > 0。SPECIE 包含找到该物种的位置，以及找到它的次数（在 OCC 中）。 SPECIE的长度通常在3000左右。

在 WORLD 中，我拥有世界上所有的经纬度（网格 -180 到 180，-90 到 90，res 0.5） 所以，在WORLD，我有：LAT、LON、OCC OCC 通常为 0。WORLD 的长度为 259200 (180 * 2 * 360 * 2) x 3columns

我的目标：在发现该物种的世界中修改 OCC。最后，我得到了世界上所有的纬度/经度，以及是否在精确的纬度/经度对中找到了该物种的信息。

目前，我这样做：

for(j in 1:259200)
{
for(k in 1:length(SPECIE$OCC))
{

if((SPECIE$LON[k] == WORLD[j,1]) & (SPECIE$LAT[k] == WORLD[j,2]))
{
WORLD[j,3] <- SPECIE$OCC[k]
}

}
}

我寻找了一个没有循环的解决方案（这需要几个小时），但没有找到可行的方法。

头：

> head(WORLD)
    [,1]      [,2]   [,3]
[1,] -179.75 -89.75    0
[2,] -179.75 -89.25    0
[3,] -179.75 -88.75    0
[4,] -179.75 -88.25    0

> head(SPECIE)
    LON   LAT     OCC
1 -89.75 24.75       1
2 -89.75 25.25       1
3 -89.75 25.75       6
4 -89.75 26.25      45

非常感谢！

Answer 1

神奇的data.table 包是你的朋友，它会在眨眼间完成这项工作。

由于您没有提供数据，我模拟了一些，使得 SPECIE 中的 LAT 和 LON 的所有值都包含在 WORLD 中的相同坐标内，但也有 WORLD 中不包含在 SPECIE 中的值。我为 LAT 和 LON 制定了非常常规的值，但对于真实数据，它应该以相同的方式工作。

require(data.table)

# set lengths for example
nSPECIE <- 5
nWORLD <- 10

# simulate the SPECIE data, from data.frame to data.table
SPECIE <- data.frame(LAT = 1:nSPECIE,
                     LON = 1:nSPECIE,
                     OCC_specie = 1:nSPECIE)
SPECIE <- as.data.table(SPECIE)

# simulate the WORLD data, from matrix to data.table
WORLD <- matrix(c(1:nWORLD,
                  1:nWORLD,
                  rpois(nWORLD, 1)),
                ncol = 3,
                dimnames = list(NULL, c("LAT", "LON", "OCC_world")))
WORLD <- as.data.table(WORLD)

# merge
setkey(SPECIE, LAT, LON)
setkey(WORLD, LAT, LON)
WORLD_modified <- SPECIE[WORLD]
##     LAT LON OCC_specie OCC_world
##  1:   1   1          1         0
##  2:   2   2          2         2
##  3:   3   3          3         2
##  4:   4   4          4         0
##  5:   5   5          5         0
##  6:   6   6         NA         1
##  7:   7   7         NA         0
##  8:   8   8         NA         2
##  9:   9   9         NA         2
## 10:  10  10         NA         3

如您所见，现在匹配来自 SPECIE 的 OCC 值，并且为 WORLD 中在 SPECIE 中没有相应记录的位置赋予了来自 SPECIE 的 OCC 列的 NA 值。

只是为了向您展示快得离谱，您可以设置参数：

# with original sizes
nSPECIE <- 3000
nWORLD <- 259000
SPECIE <- data.frame(LAT = 1:nSPECIE,
                     LON = 1:nSPECIE,
                     OCC_specie = 1:nSPECIE)
SPECIE <- as.data.table(SPECIE)
WORLD <- matrix(c(1:nWORLD,
                  1:nWORLD,
                  rpois(nWORLD, 1)),
                ncol = 3,
                dimnames = list(NULL, c("LAT", "LON", "OCC_world")))
WORLD <- as.data.table(WORLD)
setkey(SPECIE, LAT, LON)
setkey(WORLD, LAT, LON)
system.time(WORLD_modified <- SPECIE[WORLD])
##    user  system elapsed 
##   0.003   0.000   0.004

阅读data.tablevignette 和manual，如果您需要匹配表格，时间非常值得。优秀的 dplyr 包也使用了这个，但我更喜欢直接使用 data.table 来完成这样的工作。

Answer 2

如果您发布一些示例数据会有所帮助，但试试这个：

world.df <- as.data.frame(world)
names(world) <- names(specie)
matches <- which(world.df$lat %in% specie$lat & world.df$lon %in% specie$lon)
world.df$occ[matches] <- merge(specie, world.df, by=c('lat', 'lon'))$occ.x