我在一个数据帧中有一个时间戳,我试图将其与第二个数据帧中最接近的时间戳进行匹配,以便从第二个数据帧中提取数据。有关我的方法的通用示例,请参阅以下内容:
library(lubridate)
data <- data.frame(datetime=ymd_hms(c('2015-04-01 12:23:00 UTC', '2015-04-01 13:49:00 UTC', '2015-04-01 14:06:00 UTC' ,'2015-04-01 14:49:00 UTC')),
value=c(1,2,3,4))
reference <- data.frame(datetime=ymd_hms(c('2015-04-01 12:00:00 UTC', '2015-04-01 13:00:00 UTC', '2015-04-01 14:00:00 UTC' ,'2015-04-01 15:00:00 UTC', '2015-04-01 16:00:00 UTC')),
refvalue=c(5,6,7,8,9))
data$refvalue <- apply(data, 1, function (x){
differences <- abs(as.numeric(difftime(ymd_hms(x['datetime']), reference$datetime)))
mindiff <- min(differences)
return(reference$refvalue[differences == mindiff])
})
data
# datetime value refvalue
# 1 2015-04-01 12:23:00 1 5
# 2 2015-04-01 13:49:00 2 7
# 3 2015-04-01 14:06:00 3 7
# 4 2015-04-01 14:49:00 4 8
这种方法工作得很好,只是速度非常慢,因为在我的实际应用程序中,引用数据帧相当大。这段代码是否被正确向量化了?有没有一种更快、更优雅的方式来执行这个操作?
发布于 2015-06-29 03:58:10
您可以使用“data.table
”选项来尝试最近的滚动连接。
library(data.table) # v1.9.6+
setDT(reference)[data, refvalue, roll = "nearest", on = "datetime"]
# [1] 5 7 7 8
发布于 2015-06-29 04:12:55
我想知道这是否能够在速度上与data.table解决方案相匹敌,但它是一个base-R矢量化解决方案,应该优于您的apply
版本。由于它实际上并不计算距离,因此它实际上可能比data.table最近的方法更快。这会将间隔的中点长度与间隔的最低可能值或起始点相加,以创建一组“中断点”,然后使用findInterval
函数处理时间。这将在reference
数据集的行中创建合适的索引,然后可以将"refvalue“”传输“到data
-object。
data$reefvalue <- reference$refvalue[
findInterval( data$datetime,
c(-Inf, head(reference$datetime,-1))+
c(0, diff(as.numeric(reference$datetime))/2 )) ]
# values are [1] 5 7 7 8
https://stackoverflow.com/questions/31103897
复制相似问题