将多个值与 R Dataframe 中的多个值进行比较答案

【问题标题】：compare multiple values with multple values in R Dataframe将多个值与 R Dataframe 中的多个值进行比较
【发布时间】：2020-05-03 09:33:22
【问题描述】：

我有一个包含 2 列“时间”和“a”的数据框。

df <- data.frame(time = c(1, 2, 3, 4, 5, 6, 7, 8, 9), a = c(3, 8, 2, 2, 2, 2, 2, 4, 5))

如果值随时间变化，如何进行比较？我需要数据框中的新列“comp”，显示列“c”中的第三个值是否仍与同一列中的最后两个值和之前的两个值相同。所以结果可能是这样的：

df <- data.frame(time = c(1, 2, 3, 4, 5, 6, 7, 8, 9), a = c(3, 8, 2, 2, 2, 2, 2, 4, 5), comp = c(F, F, F, F, T, F, F, F, F)

最后我需要比较一个大约 3 mio 的列。观察。

【问题讨论】：

标签： r dataframe compare match

【解决方案1】：

使用 tidyverse：

library(tidyverse)

df %>% 
  arrange(time) %>% 
  mutate(comp = a == lag(a) & a == lag(a, 2) & a == lead(a) & a == lead(a, 2))

#   time a  comp
# 1    1 3 FALSE
# 2    2 8 FALSE
# 3    3 2 FALSE
# 4    4 2 FALSE
# 5    5 2  TRUE
# 6    6 2 FALSE
# 7    7 2 FALSE
# 8    8 4 FALSE
# 9    9 5 FALSE

【讨论】：

又好又简单的解决方案 :) 如果我想比较特定值怎么办。例如，如果有两个没有改变的（比如在我的 df 示例中）或（作为条件）六个，结果才为 True？
你可以一直在comp = ...语句的右边添加条件，比如& a == 2。

【解决方案2】：

使用data.table@Bas 的类似解决方案

library(data.table)
setDT(df)[, comp := a == shift(a) & a == shift(a, 2) & 
                  a == shift(a, type = 'lead') & a == shift(a, 2, type = 'lead')]

#   time a  comp
#1:    1 3 FALSE
#2:    2 8 FALSE
#3:    3 2 FALSE
#4:    4 2 FALSE
#5:    5 2  TRUE
#6:    6 2 FALSE
#7:    7 2 FALSE
#8:    8 4 FALSE
#9:    9 5 FALSE

【讨论】：

感谢您的 data.table 解决方案！如果我想检查例如接下来的 20 个值怎么办？一定有比写shift(a, 1)、shift(a, 2) 等更好的解决方案...因为如果我尝试setDT(df)[, comp := a == shift(a, type = "lag", n = c(1:2)) & a == shift(a, type = "lead", n = c(1:2))] 我会收到错误：'list' object cannot be coerced to type 'double'
可以使用滚动操作。查看zoos ?rolapply 函数。如果您在为您的数据实施时遇到问题，您可以提出一个新问题。

【解决方案3】：

如果我理解正确，您正在寻找与其两侧相邻的 2 个值相同的值，在这种情况下，您很乐意忽略第 2 个和最后 2 个的“缺失”相邻值价值观。

使用基础 R：

sameasadj=function(v,n=2,include_ends=T) {
    if(include_ends){vv=c(rep(head(v,1),n),v,rep(tail(v,1),n))} 
    else {vv=c(rep(NA,n),v,rep(NA,n))}
    sapply(seq_along(v),function(i) diff(range(vv[i:(i+2*n)]))==0)
}

df$comp = sameasadj(df$a)
df$comp

输出：

[1] FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE

解释：

sameasadj=function(v,n=2,include_ends=T) = 定义函数 sameasadj 来测试每个值是否与每侧相邻的相邻值相同。我们可以选择相邻邻居的数量 n （在您的情况下为 2），以及是否包括末端（或为这些末端返回“NA”，因为它们的一侧缺少足够的邻居）。

if(include_ends){vv=c(rep(head(v,1),n),v,rep(tail(v,1),n))} = 如果我们想包括末端，那么我们只需添加“缺失”的邻居，以便它们匹配

else {vv=c(rep(NA,n),v,rep(NA,n))} = 否则我们添加 'NA' 值

sapply(seq_along(v),function(i) = 沿着向量中的每个位置 i...

diff(range(vv[i:(i+2*n)]))==0) = ...并检查从i到i+2*n的元素是否都相同（如果x的所有元素都相同，diff(range(x))==0将返回TRUE）

将它们全部放入一个函数中，以后可以很容易地改变你对相邻邻居的数量的想法，或者如何处理末端......

【讨论】：