逐组查找数据帧中向量之间的最接近值答案

【问题标题】：Find closest value between vectors in data frame by group逐组查找数据帧中向量之间的最接近值
【发布时间】：2019-11-01 17:50:14
【问题描述】：

我有一个数据集df：

df <- tibble(
  id = sort(rep(letters[1:3], 3)),
  visit_id = rep(c(0, 5, 10), 3),
  true_visit = c(NA, 3, NA, 0, 5, 10, 1, 7, NA)
)
> df
# A tibble: 9 x 3
  id    visit_id true_visit
  <chr>    <dbl>      <dbl>
1 a            0         NA
2 a            5          3
3 a           10         NA
4 b            0          0
5 b            5          5
6 b           10         10
7 c            0          1
8 c            5          7
9 c           10         NA

我正在尝试创建一个新列 closest_visit，在该列中我发现每个人中最接近 visit_id 的 true_visit。结果如下所示：

# A tibble: 9 x 4
  id    visit_id true_visit closest_visit
  <chr>    <dbl>      <dbl>         <dbl>
1 a            0         NA             3
2 a            5          3             3
3 a           10         NA             3
4 b            0          0             0
5 b            5          5             5
6 b           10         10            10
7 c            0          1             1
8 c            5          7             7
9 c           10         NA             7

澄清一下，closest_visit 是个人 a 的 3，因为它是唯一的 true_visit。 closest_visit 是第七行的 1，因为 0（该行的 visit_id）比 7（该参与者的 true_visits）更接近 1，依此类推。

我尝试查看here、here 和here。他们是一个好的开始，但并不是我想要的。有任何想法吗？

【问题讨论】：

为什么第七行的closest_visit 是1？另外，为什么每个 id b 有 3 个 closest_visit 值？
rep(letters[1:3], each = 3) 避免使用sort。
@tmfmnk 为第七行（id c），abs(0 - c(1,7)) = c(1, 7)，其中最小的是1，对应true_visit == 1。对于idb，他们的每一次真实访问都匹配一个不同的访问ID，比如abs(5 - c(0,5,10)) = c(5, 0, 5)，最小的是0，对应true_visit == 5。这有意义/回答你的问题吗？
并非如此。不是要为每个 ID 找到一个最接近的值吗？还有，为什么第九排是7？
第 9 行有 7，因为 10（该行的访问 id）比 1（该个人的真实访问）更接近 7

标签： r

【解决方案1】：

可以去：

library(dplyr)

df %>%
  group_by(id) %>%
  mutate(
    closest_visit = case_when(
      visit_id == true_visit ~ true_visit,
      TRUE ~ true_visit[sapply(visit_id, 
                               function(x) which.min(abs(x - true_visit)))]
      )
    )

输出：

# A tibble: 9 x 4
# Groups:   id [3]
  id    visit_id true_visit closest_visit
  <chr>    <dbl>      <dbl>         <dbl>
1 a            0         NA             3
2 a            5          3             3
3 a           10         NA             3
4 b            0          0             0
5 b            5          5             5
6 b           10         10            10
7 c            0          1             1
8 c            5          7             7
9 c           10         NA             7

【讨论】：

【解决方案2】：

一个选项是findInterval，然后是fill

library(dplyr)
library(tidyr)
df %>%
   group_by(id) %>% 
   mutate(closest_visit = na.omit(true_visit)[findInterval(true_visit, 
          visit_id)]) %>% 
   fill(closest_visit, .direction = "updown")
# A tibble: 9 x 4
# Groups:   id [3]
#  id    visit_id true_visit closest_visit
#  <chr>    <dbl>      <dbl>         <dbl>
#1 a            0         NA             3
#2 a            5          3             3
#3 a           10         NA             3
#4 b            0          0             0
#5 b            5          5             5
#6 b           10         10            10
#7 c            0          1             1
#8 c            5          7             7
#9 c           10         NA             7

【讨论】：

谢谢！您介意告诉我您使用的是什么版本的 tidyr 吗？我正在使用 tidyr 版本 0.8.3，.direction 的唯一选项是 c("up", "down")。
@FelixT。我用packageVersion('dplyr') [1] ‘0.8.3’ > packageVersion('tidyr') [1] ‘1.0.0’

【解决方案3】：

这不是最漂亮的方式，但它适用于您的示例：

library(dplyr)

for (id in unique(df$id) ) {

  available_visit = na.omit(df[df$id == id ,'true_visit']) %>% pull()
  unique_id = unique(df$visit_id[df$id == id])

    for (visit_id in unique_id) {

      df[df$id == id & df$visit_id ==  visit_id, 'closest_visit' ] <- 
        available_visit[which.min(abs(available_visit-visit_id))]
      }
  }

【讨论】：