R：涉及多个数据帧的 ifelse 语句测试

Question

我正在尝试通过组合来自两个data.frames 的数据来使用ifelse 创建一个新变量（类似于this 问题，但没有因素）。

我的问题是 df1 具有年度数据，而 df2 中的变量是时间聚合的：例如df1 有多个 obs (1997,1998,...,2005)，df2 只有一个范围 (1900-2001)。

为了说明，一个 2x2 的例子看起来像

df1$id <- c("2","20")
df1$year <- c("1960","1870")

df2$id <- df1$id
df2$styear <- c("1800","1900")
df2$endyear <- c("2001","1950")

我想将两者结合起来，使 id（两者中都存在相同的变量）匹配，此外，df1 中的年份在df2 的范围内。我尝试了以下

df1$new.var <- ifelse(df1$id==df2$id & df1$year>=df2$styear & 
df1$year<df2$endyear,1,0)

理想情况下应该分别返回 1 和 0。

但我收到警告消息：

1：在 df1$id == df2$id ：更长的对象长度不是的倍数 更短的物体长度

2：在 df1$year >= df2$styear ：更长的对象长度不是 短物体长度的倍数

3：在 df1$year

为了记录，“真实的”df1 有 500 个 obs，df2 有 14 个。我怎样才能做到这一点？

编辑：我意识到df2 中的一些 obs 是重复的，有多个句点，例如

id    styear    endyear
1      1800      1915
1      1950      2002
2      1912      1988
3      1817      2000

所以，我相信我需要的是类似双 ifelse 的东西：

df1$new.var <- ifelse(df1$id==df2$id & df1$year>=df2$styear & 
df1$year<df2$endyear | df1$year>=df2$styear & 
df1$year<df2$endyear,1,0)

显然，这行不通，但它是摆脱重复问题的一种方法。

例如，如果id=1 在df1$year=1801 中，它将通过第一个年份范围测试（1801 在 1800-1915 之间），但第二个不通过（1801 不在 1950-2002 之间），所以它只编码一次，没有添加额外的行（当前重复添加额外的行）。

Answer 1

这可以使用data.table devel version (1.9.7+) 中的非等连接轻松有效地解决：

library(data.table)
setDT(df1); setDT(df2) # converting to data.table in place

df1[, new.var := df2[df1, on = .(id, styear <= year, endyear >= year),
                     .N > 0, by = .EACHI]$V1]
df1
#   id year new.var
#1:  2 1960    TRUE
#2: 20 1870   FALSE

上述连接在df2 中为df1 (by = .EACHI) 的每一行查找匹配项，并检查匹配行数(.N)。

Answer 2

好吧，我让它为自己工作。请注意，它非常复杂，可能包含一些冗余。简要查看数据争吵cheatsheet 后，假设您有df1 和df2 具有相同的var 和df2 包含new.var，可以执行以下操作：

library(dplyr)
#Join everything, all values and rows
df3 <- full_join(df1,df2,by="id")
#filter out obs those year is greater than endyear
df3 <- filter(df3,df3$year<=df3$endyear)
#same, the other way around
df3 <- filter(df3,df3$year>=df3$styear) 
df3 <- distinct(df3) #remove duplicate rows (at least I had some)

据我通过查看最终结果可以看出，此方法仅从正确的时间段中提取信息，而在df2 中删除所有其他时间段。然后，就是和原来的data.frame（df1）合并，填入NAs：

df1 <- merge(df1,df3,by=(id),all.x=TRUE)
df1 <- distinct(df1) #just to make sure, I still had three
df1$new.var <- ifelse(is.na(df1$new.var),0,df1$new.var)

这正是我想要的。

Answer 3

df1$id <- c("2","20")
df1$year <- c("1960","1870")

df2$id <- df1$id
df2$styear <- c("1800","1900")
df2$endyear <- c("2001","1950")

library(dplyr)
df3 <- left_join(df1,df2,by = "id") %>% filter(year <= endyear,year >= startyear)

我强烈推荐用于数据操作的 dplyr 包。

Answer 4

使用基础 R：

df1 <- data.frame(id=c(2,20,22), year=c(1960,1870, 2016))
df2 <- data.frame(id=c(2,20,21), styear=c(1800,1900,2000), endyear=c(2001,1950,2016))

df1
id year
1  2 1960
2 20 1870
3 22 2016

df2

id styear endyear
1  2   1800    2001
2 20   1900    1950
3 21   2000    2016

df1 <- merge(df1, df2, by='id', all.x = TRUE)
df1$new.var <- !is.na(df1$styear) & df1$year>=df1$styear & df1$year< df1$endyear
df1 <- df1[c('id', 'year', 'new.var')]

df1
  id year new.var
1  2 1960    TRUE
2 20 1870   FALSE
3 22 2016   FALSE