基于R中的多个范围连接表答案

【问题标题】：Join tables based on multiple ranges in R基于R中的多个范围连接表
【发布时间】：2017-09-21 09:00:23
【问题描述】：

我有两个想要加入的数据框。桌子 params 以时间和角度范围来描述单位的参数。表data较长，包含id、时间和角度参数。

当id匹配且时间在valid_from和valid_to之间的范围内并且ang在data表中的angle_begin和angle_end之间时，我想加入来自params的参数值。

以下是表格示例。

params <- data.frame(id = 1:4
                    ,valid_from  = 1
                    ,valid_to    = c(10, 20, 30, 40)
                    ,angle_begin = c(120, 90, 0, 50)
                    ,angle_end   = c(180, 170, 160, 150)
                    ,param       = c("A", "B", "C", "D"))

data <- data.frame(id = rep(1:4, each=100)
                  ,time = rep(seq(from = 0.5, to = 50, by = 0.5), 4)
                  ,ang  = rep(runif(100, 0, 360), 4))

【问题讨论】：

标签： r dplyr data.table purrr

【解决方案1】：

对于data.table，这是一个非等连接：

library(data.table)
# coerce to data.table
setDT(params)
setDT(data)

# keep only rows of data with matches in params
data[params, 
     on = .(id, time >= valid_from, time <= valid_to, ang >= angle_begin, ang <= angle_end),
     .(id, time = x.time, ang = x.ang, param)]

    id time        ang param
 1:  1  2.0 140.383052     A
 2:  1  3.5 152.772925     A
 3:  1  8.0 141.039548     A
 4:  2  1.0 104.434264     B
 5:  2  2.0 140.383052     B
 6:  2  3.5 152.772925     B
 7:  2  8.0 141.039548     B
 8:  2 16.0 150.424306     B
 9:  2 16.5  92.201187     B
10:  ...
41:  4 22.0  89.813795     D
42:  4 22.5 131.004229     D
43:  4 26.0  79.839443     D
44:  4 27.5 128.291356     D
45:  4 29.0 127.942287     D
46:  4 30.0 136.388594     D
47:  4 32.0 140.092817     D
48:  4 32.5 108.346831     D
49:  4 37.0 140.732844     D
    id time        ang param

如果data的所有行都应该保留

params[data, 
       on = .(id, valid_from <= time, valid_to >= time, angle_begin <= ang, angle_end >= ang), 
       .(id, time = i.time, ang = i.ang, param)]

     id time       ang param
  1:  1  0.5 106.62639    NA
  2:  1  1.0 104.43426    NA
  3:  1  1.5  15.77429    NA
  4:  1  2.0 140.38305     A
  5:  1  2.5 322.31929    NA
 ---                        
396:  4 48.0 131.17405    NA
397:  4 48.5 335.47857    NA
398:  4 49.0 181.64450    NA
399:  4 49.5  90.96224    NA
400:  4 50.0  60.04268    NA

【讨论】：

【解决方案2】：

使用tidyverse，您可以尝试以下操作：

data %>%
  inner_join(params) %>%
  filter( time > valid_from & time < valid_to) %>%
  filter( ang > angle_begin & ang < angle_end)

【讨论】：

【解决方案3】：

鉴于您的措辞，我对您的问题有不同的解释。也就是说，我读到您希望保留所有行，但仅当 valid_ 和 angle_ 的值在指定范围内时才加入。另请注意，根据您是否要在范围边界包含值，您可能需要>= 和<= 而不是> 和<。

因此，从 Aramis7d 的回答开始：

data %>%
  inner_join(params, by = "id") %>%
  mutate(param = ifelse(
           time >= valid_from & time <= valid_to & 
             ang >= angle_begin & ang <= angle_end,
           param,
           NA))

【讨论】：

这确实是我的意图。我使用了 Aramis7d 的答案，然后以 right_join(data) 结束了链。我相信结果是一样的。

【解决方案4】：

另一种 tidyverse 方法是使用 fuzzyjoin 包。

library(tidyverse)
library(fuzzyjoin)

params <- data.frame(id = 1:4
                     ,valid_from  = 1
                     ,valid_to    = c(10, 20, 30, 40)
                     ,angle_begin = c(120, 90, 0, 50)
                     ,angle_end   = c(180, 170, 160, 150)
                     ,param       = c("A", "B", "C", "D"))

data <- data.frame(id = rep(1:4, each=100)
                   ,time = rep(seq(from = 0.5, to = 50, by = 0.5), 4)
                   ,ang  = rep(runif(100, 0, 360), 4))


fuzzy_left_join(data, params,
                by = c("id" = "id",
                       "time" = "valid_from",
                       "time" = "valid_to",
                       "ang" = "angle_begin",
                       "ang" = "angle_end"),
                match_fun = list(`==`, `>`, `<`, `>`, `<`)) %>%
  slice(1:10)

归功于mfherman。

【讨论】：