按开始时间和结束时间匹配数据答案

【问题标题】：Match data by start and end times按开始时间和结束时间匹配数据
【发布时间】：2017-06-21 09:33:02
【问题描述】：

我有两个数据框，一个包含测量值和时间戳，另一个包含带有开始和结束时间的测量周期：

txt1 <- "     v1     datetime
23 '2016-02-14 12:00:10'
12 '2016-02-14 12:03:10'
21 '2016-02-14 12:50:00'
52 '2016-02-14 13:01:10'
53 '2016-02-14 13:05:50'
23 '2016-02-14 13:09:25'
95 '2016-02-14 13:20:10'
11 '2016-02-14 13:21:00'
64 '2016-02-14 13:25:12'
41 '2016-02-14 13:45:34'
14 '2016-02-14 13:53:08'
"

txt2 <- "    mp     start     end
1 '2016-02-14 12:00:00' '2016-02-14 12:11:00'
2 '2016-02-14 12:58:00' '2016-02-14 13:13:00'
3 '2016-02-14 13:22:00' '2016-02-14 14:00:00'
"
d1 <- read.table(textConnection(txt1), header = TRUE,
                 colClasses = c("integer", "POSIXct"))

d2 <- read.table(textConnection(txt2), header = TRUE,
                 colClasses = c("integer", "POSIXct" ,"POSIXct"))

我想为每个测量分配正确的测量周期（保留不匹配的行）：

"     v1     datetime     mp
23 '2016-02-14 12:00:10' 1
12 '2016-02-14 12:03:10' 1
21 '2016-02-14 12:50:00' NA
52 '2016-02-14 13:01:10' 2
53 '2016-02-14 13:05:50' 2
23 '2016-02-14 13:09:25' 2
95 '2016-02-14 13:20:10' NA
11 '2016-02-14 13:21:00' NA
64 '2016-02-14 13:25:12' 3
41 '2016-02-14 13:45:34' 3
14 '2016-02-14 13:53:08' 3
"

我目前的方法是使用嵌套的 for 循环，但我正在寻找更有效的方法。

【问题讨论】：

标签： r dataframe

【解决方案1】：

使用sapply 的基本 R 方法。对于d1 的datetime 列中的每个值，我们检查它是否在d2 中的任何行的范围内。如果它在any 行的范围内，则返回相应的mp 值，否则返回NA。

d1$tmp <- sapply(d1$datetime, function(x) {
           mtch = x >= d2$start & x <= d2$end
           ifelse(any(mtch), d2$mp[mtch], NA)
          }) 
d1

#   v1            datetime tmp
#1  23 2016-02-14 12:00:10   1
#2  12 2016-02-14 12:03:10   1
#3  21 2016-02-14 12:50:00  NA
#4  52 2016-02-14 13:01:10   2
#5  53 2016-02-14 13:05:50   2
#6  23 2016-02-14 13:09:25   2
#7  95 2016-02-14 13:20:10  NA
#8  11 2016-02-14 13:21:00  NA
#9  64 2016-02-14 13:25:12   3
#10 41 2016-02-14 13:45:34   3
#11 14 2016-02-14 13:53:08   3

【讨论】：

谢谢，我想了解一下您的解决方案的原始版本（在编辑之前）是如何工作的，d2$mp 列是如何指定的
@ringgord 原始版本有效，因为您的 mp 列中的值为 1、2、3，将其替换为任何其他值，它会给您错误的值。以前的版本是使用which 为您提供匹配的索引位置，而您需要的是与索引匹配的mp 列中的值。

【解决方案2】：

不确定这是否是最有效的方法，但我会先将d2 转换为列表（其中每一行都是列表条目），然后遍历列表以分配正确的mp转d1：

d1$mp <- NA
d2_list <- split(d2, seq(nrow(d2)))

lapply(
  d2_list, 
  function(row) d1$mp[d1$datetime >= row$start & d1$datetime <= row$end] <<- row$mp
)

注意 apply 函数中的 <<- 赋值运算符。您还会在控制台中得到一些不相关的打印输出，但 ds1 将按预期进行修改。

【讨论】：