两个表的非等连接答案

【问题标题】：Non-equi join of two tables两个表的非等连接
【发布时间】：2021-11-24 06:40:20
【问题描述】：

我有 2 个数据框，我需要在其中找到 mock$num 中的条目在范围数据框指定的 x-y 范围内的次数。

id <- c(1:9)
num <- c(99,101,199,250,999,1500,3000,4000,5000)
mock <- data.frame(id, num)

x <- c(100,100,200,1000,4000,4000)
y <- c(198,200,300,2000,5000,5000)
range <- data.frame(x,y)

所需的输出如下所示

id num check
1 99   0
2 101  2
3 199  1
4 250  1
5 999  0
6 1500 1
7 3000 0
8 4000 2
9 5000 2

可以通过以下代码获取

mock$check <- mapply(
    function(x){
        count = 0
        for (i in 1:nrow(range)){
            if (x >= range$x[i] & x <= range$y[i]){
                count = count + 1
            }
        }
        paste0(count)
    },
    mock$num
)

由于 for 循环，上述方法不适合大型数据集，我尝试使用非 equi 连接方法（通过 data.table）。但是，我不知道如何在两个表之间进行非等连接（不知道如何继续...）

nonequi <- mock[range, on =.(num >= x, num <=y),]

想就这个问题寻求一些指导。感谢您的帮助。

【问题讨论】：

标签： r non-equi-join

【解决方案1】：

首先进行非 equi 连接，然后为每个 id 总结它出现的次数并返回到 mock 以找出哪些 id 被遗漏了。对于那些 id，将 count 设置为零。

res <- setDT(mock)[setDT(range), .(id), on = .(num >= x, num <= y)][, .N, by = id][mock, on = .(id)][is.na(N), N := 0][]

【讨论】：

【解决方案2】：

不确定大型数据数组的执行速度

id <- c(1:9)
num <- c(99,101,199,250,999,1500,3000,4000,5000)
mock <- data.frame(id, num)

x <- c(100,100,200,1000,4000,4000)
y <- c(198,200,300,2000,5000,5000)
RANGE <- data.frame(x,y)

mock$check <- sapply(mock$num, function(z) sum(z >= RANGE$x & z <= RANGE$y))

mock
#>   id  num check
#> 1  1   99     0
#> 2  2  101     2
#> 3  3  199     1
#> 4  4  250     1
#> 5  5  999     0
#> 6  6 1500     1
#> 7  7 3000     0
#> 8  8 4000     2
#> 9  9 5000     2

^{由reprex package (v2.0.1) 于 2021 年 11 月 24 日创建}

【讨论】：