R在另一个数据框中逐列选择数据框中的列

Question

我在尝试对我的数据进行子集化时遇到问题，也许你可以帮助我。我需要的是当该列值等于第二个数据框中的列的值时，按列对第一个数据框中的数据进行子集化。

以下是我正在使用的数据框：

> head(places)
  Zona   Poble     lat       lon      alt
1    1  Zorita 40.7353 -0.165748  691.867
2    1 Morella 40.6287 -0.113284  955.719
3    1 Forcall 40.6621 -0.209759  753.882
4    2 Benasal 40.3943 -0.126111  848.171
5    2    Cati 40.4532  0.060409  667.610
6    2  Fredes 40.7079  0.167981 1194.730

> head(data)
      date   time stat_id     lat     lon    tempc
1 20121122 000000       1 40.7353 -0.1657  7.98737
2 20121122 000000       2 40.6287 -0.1133  6.49903
3 20121122 000000       3 40.6621 -0.2098  7.72955
4 20121122 000000       4 40.3943 -0.1261  7.98837
5 20121122 000000       5 40.4532  0.0604 10.35480
6 20121122 000000       6 40.7079  0.1680  6.00769

如您所见，数据帧“地点”中的三个第一位置属于 Zona == 1，并与数据帧“数据”中的三个第一行共享纬度/经度。我想在 places.dat 上选择与 Zona == i 共享纬度/经度的数据行。

我正在尝试的 R 脚本是

datos=read.table("data.dat",header=T)
places=read.table("places.dat",header=T)

data=as.data.frame(datos)
place=as.data.frame(pobles)

data$time[data$time == 0] = "000000"

subset(data,data$lat == place$lat[place$Zona == 1])

因此，subset 将在 data.dat 中每次显示三行，但它只选择三个中的两个，如下所示

> subset(data,data$lat == place$lat[place$Zona == 1])
         date   time stat_id     lat     lon    tempc
1    20121122 000000       1 40.7353 -0.1657  7.98737
2    20121122 000000       2 40.6287 -0.1133  6.49903
385  20121122  30000       1 40.7353 -0.1657  7.00632
386  20121122  30000       2 40.6287 -0.1133  4.83684
769  20121122  60000       1 40.7353 -0.1657  6.55283
770  20121122  60000       2 40.6287 -0.1133  4.85467
1153 20121122  90000       1 40.7353 -0.1657  6.35216
1154 20121122  90000       2 40.6287 -0.1133  5.66342
1537 20121122 120000       1 40.7353 -0.1657 11.47750
1538 20121122 120000       2 40.6287 -0.1133 10.30310
1921 20121122 150000       1 40.7353 -0.1657 13.87090
1922 20121122 150000       2 40.6287 -0.1133 11.90640
2305 20121122 180000       1 40.7353 -0.1657 10.30840
2306 20121122 180000       2 40.6287 -0.1133  7.61322
2689 20121122 210000       1 40.7353 -0.1657  6.29745
2690 20121122 210000       2 40.6287 -0.1133  6.63173
3073 20121123 000000       1 40.7353 -0.1657  4.78633
3074 20121123 000000       2 40.6287 -0.1133  5.31070
3457 20121123  30000       1 40.7353 -0.1657  6.84001
3458 20121123  30000       2 40.6287 -0.1133  6.88369
3841 20121123  60000       1 40.7353 -0.1657  5.71790

我肯定遗漏了什么，你能帮我吗？任何想法或提示将不胜感激。

谢谢

数据文件在这里：

• data.dat http://ubuntuone.com/7XLDg7woFQKjqiRRJeiuQs
• places.dat http://ubuntuone.com/2mO8TrAbGBzr5jTTLWlxaq

编辑 根据@A.R 的回答，我尝试使用此代码来选择数据，但不确定它是否只是正确的方式。

for(i in 1:128) {
  for(j in 1:2) {
    a=sqrt((place$lat[i]-datos$lat[j])^2+(place$lon[i]-datos$lon[j])^2)
    n=which.min(a)
    while(n <= 9344) {
      b=cbind(i,n,datos$tempc[n],place$Zona[i])
      n=n+128
    }
  }
}

得到：

> b
       i    n           
[1,] 128 9217 10.1198 30

它只给出最后一个 i 值的值，我想全部保存。当然这是一个基本的，但我无法弄清楚，请耐心等待，因为我不是一个有经验的 R 用户。再次感谢

Answer 1

首先，您需要将 places lon 的小数四舍五入到 4 位。可能这就是您遇到问题的原因：

places=read.table("places.dat",header=T)
places=round(places$lon,digits=4)


datos[which((datos$lat==places$lat & datos$lon==places$lon) & places$Zona==1),]

这个条件的总分是 146 分。

编辑 1（根据 Sean 的评论）

在我的回答中，我假设在 一些地方，lat 是圆的，而 long 不是。

但正如 Sean 所指出的，比较浮点数并不是一个好主意。最好计算每个 places 点和 datos 点之间的距离，并选择距离最小的一个，低于最小距离（例如点之间距离的一半）在 datos) 中，作为匹配项。

编辑 2

试试这样的：

b=matrix(nrow=dim(places)[1],ncol=5)
a=c()
data.p=c()
n=c()
for(i in 1:dim(places)[1]) {
  for(j in 1:dim(data)[1]) {
    a[j]=sqrt((places$lat[i]-data$lat[j])^2+(places$lon[i]-data$lon[j])^2)
  }   
  data.p[i]=which.min(a)
  n[i]=min(a)
}
b=cbind(places=1:(dim(places)[1]),data=data.p,distance=n,tempc=data$tempc[data.p],Zona=places$Zona)

比做一些查询：

b[which(b[,3]<1),]
b[which(b[,3]<0.00001),]