如何根據另一個數據幀中的值引用一個數據幀中的值？

我是R新手，在操作某些環境監控數據時，對此問題感到困惑。如何根據另一個數據幀中的值引用一個數據幀中的值？

我有兩個數據集分別記錄實際監測時間序列和監測點信息。我將它們存儲在兩個數據幀monitoring和sites：

monitoring:

    date  site obs 
1 2001-01-01 10:00:00 riverside NA 
2 2001-01-01 11:00:00 riverside 52 
3 2001-01-01 12:00:00 riverside 52 
4 2001-01-01 13:00:00 riverside 56 
5 2001-01-01 10:00:00  dorm 52 
6 2001-01-01 11:00:00  dorm 64 
7 2001-01-01 12:00:00  dorm 76 
8 2001-01-01 13:00:00  dorm 80 
9 2001-01-01 10:00:00  kfc 78 
10 2001-01-01 11:00:00  kfc 74 
11 2001-01-01 12:00:00  kfc 66 
12 2001-01-01 13:00:00  kfc 68

sites:

 site  type 
1  DORM suburban 
2  KFC  urban 
3 RIVERSIDE  rural

我想在monitoring與來自sites提取信息添加site.type列如下所示：

    date  site obs site.type 
1 2001-01-01 10:00:00 riverside NA  rural 
2 2001-01-01 11:00:00 riverside 52  rural 
3 2001-01-01 12:00:00 riverside 52  rural 
4 2001-01-01 13:00:00 riverside 56  rural 
5 2001-01-01 10:00:00  dorm 52 suburban 
6 2001-01-01 11:00:00  dorm 64 suburban 
7 2001-01-01 12:00:00  dorm 76 suburban 
8 2001-01-01 13:00:00  dorm 80 suburban 
9 2001-01-01 10:00:00  kfc 78  urban 
10 2001-01-01 11:00:00  kfc 74  urban 
11 2001-01-01 12:00:00  kfc 66  urban 
12 2001-01-01 13:00:00  kfc 68  urban

我在下面的命令嘗試grep()：

for (i in 1:nrow(monitoring)) { 
    monitoring$site.type[i] <- as.character(sites$type[grep(monitoring$site[i], sites$site, ignore.case = T)]) 
}

它的工作確定對這個小例子設置的monitoring。然而，當我將它應用到我的真實數據集上時，它的記錄數是654,525，它在我的i5-2400計算機上永不停止運行，內存爲16GB RAM。同樣的解決方案，以類似的情況，所以更加困惑爲什麼它不起作用在我的情況。因此，

有人可以指出問題出在哪裏嗎？
請問如何避免for在這種情況下循環，因爲它可能不會像「時髦」和高效？ :)

非常感謝提前。

來源

2012-10-17 elarry

'？merge'應該運行得更好...... –

做那些2'data.frame's有相同的尺寸？ – aL3xa

@BenBolker謝謝你指點我正確的方向 - 如果匹配的列有不同的大寫內容（請參閱下面的@ 1月份的解決方案），是否有任何一步解決方案來「合併」兩者？ – elarry

正確的方式做它是使用merge，因爲本建議，但這裏是一個簡單的一招：

rownames(sites) <- tolower(sites$site)

現在你可以使用按鍵，比如riverside可以訪問sites，例如嘗試sites[ "riverside", ]。 tolower()函數僅用於將RIVERSIDE轉換爲riverside。因此，你可以做

monitoring$site.type <- sites[ monitoring$site, "type" ]

來源

2012-10-17 16:55:02 January

有多聰明！非常感謝這個好主意 - 讀了@Ben的建議，並試圖在兩個「site」列中匹配案例（真實的「monitoring」中的site中的站點名稱通常包含多個單詞，是每個單詞的首字母大寫，比如'Williamson Park'，我想保留這個格式輸出）。在你的解決方案中，我把大寫字母保存在'sites $ site'中，並使用'toupper（監視$ site）'來進行索引，並且它在一秒鐘內就完美了！謝謝！ :) – elarry

使用merge由Ben的建議很容易

monitoring 
sites$site <- factor(tolower(sites$site)) # cols are unordered 

merge(monitoring, sites, by='site') 

# fixing col order... 
merge(monitoring, sites, by='site')[,c('date', 'site', 'obs', 'type')]

來源

2012-10-17 18:15:57

感謝您的回答，@ jilber。我還認爲，如果兩個「網站」欄中的內容具有相同的大寫字母，那麼將兩者合併將很容易。然而，在真正的「監測$站點」中，每個首字母大寫，例如「Stratford-upon-Avon Centre」，而在真實的「sites $ site」中，全部都是大寫，如示例中所示，並且我希望第一種格式的輸出。只是爲了測試，我只將兩列轉換爲小字母，並使用'site'的'merge'。在生成的數據框中，時間序列不再按順序排列。任何想法爲什麼？非常感謝。 – elarry

如何根據另一個數據幀中的值引用一個數據幀中的值？

回答

相關問題