查找两个数据框中的公共列并执行一个函数答案

【问题标题】：Find common columns in two data frames and perform a function查找两个数据框中的公共列并执行一个函数
【发布时间】：2017-10-13 11:30:36
【问题描述】：

我有两个 csv 文件，如果满足四个条件，我想比较它们并执行函数/计算。

文件1：

SN  CY  Year    Month   Day Hour    Lat Lon
196101  1   1961    1   14  12  8.3 134.7
196101  1   1961    1   14  18  8.8 133.4
196101  1   1961    1   15  0   9.1 132.5
196101  1   1961    1   15  6   9.3 132.2
196101  1   1961    1   15  12  9.5 132
196101  1   1961    1   15  18  9.9 131.8
196125  1   1961    1   14  12  10.0 136
196125  1   1961    1   14  18  10.5 136.5

文件2：

 Year    Month Day RR Hour Lat  Lon
 1961    1   14  0   0   14.0917 121.055
 1961    1   14  0   6   14.0917 121.055
 1961    1   14  0   12  14.0917 121.055
 1961    1   14  0   18  14.0917 121.055
 1961    1   15  0   0   14.0917 121.055
 1961    1   15  0   6   14.0917 121.055

只要它们具有相同的年、月、日、小时，我就会尝试从这两个文件中计算经纬度点之间的距离。这是我的代码：

jtwc <-read.csv("file1.csv",header=T,sep=",")
stn  <-read.csv("file2.csv",header=T,sep=",")

dms_to_rad <- function(d, m, s) (d + m / 60 + s / 3600) * pi / 180
great_circle_distance <- function(lat1, long1, lat2, long2) {
   a <- sin(0.5 * (lat2 - lat1))
   b <- sin(0.5 * (long2 - long1))
   12742 * asin(sqrt(a * a + cos(lat1) * cos(lat2) * b * b))
}

jtwc$dist<- great_circle_distance(dms_to_rad(jtwc$Lat,0,0),dms_to_rad(jtwc$Lon,0,0),dms_to_rad(stn$Lat,0,0),dms_to_rad(stn$Lon,0,0))
write.csv(stn,file="dist.csv",row.names=T)

“SN”列是 file1 中的唯一标识符。我想做什么：

[1] 计算两个文件年、月、日、时相同时的距离(jtwc$dist)。

[2] 如果文件1中的行具有相同的年月日小时但不同的SN号，我将使用具有相同年月的行中的值，文件2中的日和小时计算距离。

输出应该是这样的：

SN  CY  Year    Month   Day Hour    Lat Lon dist
196101  1   1961    1   14  12  8.3 134.7  1620.961
196101  1   1961    1   14  18  8.8 133.4  1467.859
196101  1   1961    1   15  0   9.1 132.5  1334.382
196101  1   1961    1   15  6   9.3 132.2  1324.915
196125  1   1961    1   14  12  10.0 136   1687.127
196125  1   1961    1   14  18  10.5 136.5  1724.351

关于如何正确执行此操作的任何建议？

【问题讨论】：

标签： r csv compare

【解决方案1】：

如果我没听错的话，你可以试试这个解决方案：

library(tidyverse)
#functions
dms_to_rad <- function(d, m, s) (d + m / 60 + s / 3600) * pi / 180
great_circle_distance <- function(lat1, long1, lat2, long2) {
  a <- sin(0.5 * (lat2 - lat1))
  b <- sin(0.5 * (long2 - long1))
  12742 * asin(sqrt(a * a + cos(lat1) * cos(lat2) * b * b))
}

#read file
dir1 = 'path_to_your_files'
dir1 = 'path_to_your_files'
jtwc <- read.csv(dir1) %>% 
  unite('key',c('Year','Month','Day','Hour'))
stn <- read.csv(dir2) %>% 
  unite('key',c('Year','Month','Day','Hour'))

#aggregating 
stn <- left_join(jtwc,stn,by = 'key') %>% 
      drop_na() %>% 
      mutate_at(vars(Lat.x,Lon.x, Lat.y,Lon.y),funs(dms_to_rad),m = 0,s  =0) %>% 
      mutate(dist = great_circle_distance(Lat.x,Lon.x, Lat.y,Lon.y))


write.csv(stn,file="dist.csv",row.names=T)

【讨论】：