计算三列之间的最小差异，并在R中给出对应的列名答案

【问题标题】：Calculate the minimum difference among the three column and give the corresponding column name in R计算三列之间的最小差异，并在R中给出对应的列名
【发布时间】：2016-06-13 23:50:11
【问题描述】：

假设我有如下数据，

data

required_value          Value1          Value2        Value3
     0.5                  .1              0.3           0.4
     1.0                   1              0.7           0.2
     1.5                  .37             0.3           0.7
     2.0                  1.25            0.9           1.9

我想找出三列中的哪一列（Value1、Value2、Value3）最接近所需的值并创建一个新列并具有该列的列名。我的示例输出是，

数据

required_value          Value1          Value2        Value3       output
     0.5                  .1              0.3           0.4        Value3
     1.0                   1              0.7           0.2        Value1
     1.5                  .37             0.3           0.7        Value3
     2.0                  1.25            0.9           1.9        Value3

我能够在其中找到壁橱的价值。但无法获取对应的列名。有人可以帮我做这件事吗？

谢谢

【问题讨论】：

您是如何找到最接近的值的？那段代码似乎不见了。

标签： r dplyr

【解决方案1】：

根据我的更好判断，将这个答案发布到看起来像是家庭作业的作业。

read.table(text="required_value          Value1          Value2        Value3
     0.5                  .1              0.3           0.4
     1.0                   1              0.7           0.2
     1.5                  .37             0.3           0.7
     2.0                  1.25            0.9           1.9", header=TRUE) -> df


df$output <- apply(df, 1, function(x) {
  names(x)[which.min(abs(x[2:4] - x[1]))+1]
})

##   required_value Value1 Value2 Value3 output
## 1            0.5   0.10    0.3    0.4 Value3
## 2            1.0   1.00    0.7    0.2 Value1
## 3            1.5   0.37    0.3    0.7 Value3
## 4            2.0   1.25    0.9    1.9 Value3

更新：

我知道sweep() 里面有很多代码，但是，哇：

Unit: microseconds
  expr      min       lq     mean   median       uq      max neval
 apply   83.281  103.156  117.414  113.479  126.790  256.216   100
 sweep 1116.052 1194.766 1292.346 1218.801 1301.724 2309.745   100

【讨论】：

【解决方案2】：

在清除第一列和其余列之间的差异后，您可以将其分解为 ?max.col 操作：

names(df[-1])[max.col(-abs(sweep(df[-1], 1, df$required_value)),"first")]
#[1] "Value3" "Value1" "Value3" "Value3"

为了解决 @hrbrmstr 的基准测试表明这更慢。是的，当数据较小时，它会更慢，因为函数的开销会多花几微秒。然而，这段代码应该可以扩展，这样当你在小数据上损失几分之一秒时，它会随着大小的增加运行得更快。秒的示例计时：

-sweep/max.col
           user  system elapsed
10k        0.00    0.00    0.00
100k       0.17    0.01    0.19
1M         1.36    0.12    1.49 
5M         3.99    0.59    4.58 

-apply
           user  system elapsed 
10k        0.05    0.00    0.05
100k       0.56    0.00    0.57
1M         7.33    0.08    7.41
5M        41.36    0.13   41.52

【讨论】：

哇，我没想到基准测试会有这么大的不同，但确实如此。
@hrbrmstr - 尝试使用大于 4 行的内容 - 当数据变大时，max.col/sweep 更快 - 尝试 100K 或 1M 行。 1M 扫描为 1.5 秒，而应用为 7.4 秒。 1000 微秒是 0.001 秒，如果您只有少量数据，可能不值得费心。

【解决方案3】：

您还可以将数据从宽格式转换为长格式，然后过滤掉与所需值差异最小的变量：

library(data.table)
data$id <- seq_len(nrow(data))   # create an id variable for group by operation
longData <- melt(data, id.vars = c("id", "required_value"))   # transform to long format
data[longData[, .(variable[which.min(abs(value - required_value))]) ,.(id)], on = "id"]

   required_value Value1 Value2 Value3 id     V1
1:            0.5   0.10    0.3    0.4  1 Value3
2:            1.0   1.00    0.7    0.2  2 Value1
3:            1.5   0.37    0.3    0.7  3 Value3
4:            2.0   1.25    0.9    1.9  4 Value3

【讨论】：