来自两个数据帧的两列的条件 setdiff（all-to-all），具有用于匹配的数字范围答案

【问题标题】：Conditional setdiff (all-to-all) on two columns from two dataframes with a numeric range for taking a match来自两个数据帧的两列的条件 setdiff（all-to-all），具有用于匹配的数字范围
【发布时间】：2019-04-05 11:34:51
【问题描述】：

以下是两个示例数据框：

df1 <- data.frame(Time1v1 = c(55.25, 59.36, 40.26, 786.008, 980.569, 11.2, 10.11, 23.11),
                  Time2v1 = c(81, 12, 13, 11.0112, 93.9, 14.8, 15.3, 78.91))

df2 <- data.frame(Time1v2 = c(10.13, 980.659, 14.42, 90.1, 40.3298, 9234, 59.35),
                  Time2v2 = c(25.1, 88.9, 120, 911, 22.1253, 81, 15.1))


> df1
  Time1v1 Time2v1
1  55.250 81.0000
2  59.360 12.0000
3  40.260 13.0000
4 786.008 11.0112
5 980.569 93.9000
6  11.200 14.8000
7  10.110 15.3000
8  23.110 78.9100

> df2
    Time1v2 Time2v2
1   10.1300   25.1000
2  980.6590   88.9000
3   14.4200  120.0000
4   90.1000  911.0000
5   40.3298   22.1253
6 9234.0000   81.0000
7   59.3500   15.1000

我想将df1 的每一行与df2 的每一行进行比较。如果 df1 和 df2 的 Time1 之间的差异在 [-0.1,+0.1] 范围内，并且 Time2 的差异在 [-10,+10] 范围内，则必须删除 df1 中的特定行。

尝试解决

这里尝试解决这个问题。有没有更好的办法？

df1$remove <- rep("No", nrow(df1))
for(i in 1:nrow(df1)){
    for(j in 1:nrow(df2)){
        if(data.table::inrange(df1$Time1v1[i], df2$Time1v2[j] - 0.1, df2$Time1v2[j] + 0.1) && data.table::inrange(df1$Time2v1[i], df2$Time2v2[j] - 10, df2$Time2v2[j] + 10)) {df1$remove[i] <- "remove"}
    }
}

这给了我：

> df1
      Time1v1 Time2v1 remove
    1  55.250 81.0000     No
    2  59.360 12.0000 remove
    3  40.260 13.0000 remove
    4 786.008 11.0112     No
    5 980.569 93.9000 remove
    6  11.200 14.8000     No
    7  10.110 15.3000 remove
    8  23.110 78.9100     No

预期的最终结果

最终预期的输出将是：

> df1[which(df1$remove != "remove"),-3]

  Time1v1 Time2v1
1  55.250 81.0000
4 786.008 11.0112
6  11.200 14.8000
8  23.110 78.9100

All-to-all setdiff on two numeric vectors with a numeric threshold for accepting matches

【问题讨论】：

快速问：你的数据集有多大？
Error in inrange(df1$Time1v1[i], df2$Time1v2[j] - 0.1, df2$Time1v2[j] + : could not find function "inrange"
@chinsoon12：我有大约 2000 行（在每个数据框中）。

标签： r data.table compare intersect set-difference

【解决方案1】：

这是一个手动（手动声明列）方法，

 m1 <- outer(df1$Time1v1, df2$Time1v2, `-`)
 m2 <- outer(df1$Time2v1, df2$Timev2, `-`)

i1 <- intersect(which(m1 >= -0.1 & m1 <= 0.1, arr.ind = TRUE)[,1], 
                which(m2 >= -10 & m2 <= 10, arr.ind = TRUE)[,1])
df1[-i1,]

#  Time1v1 Time2v1
#1  55.250 81.0000
#4 786.008 11.0112
#6  11.200 14.8000
#8  23.110 78.9100

【讨论】：

感谢您的解决方案，但很遗憾最终结果不正确。
@Sotos 我觉得应该是intersect(which(m1 >= -0.1 & m1 <= 0.1, arr.ind = TRUE)[,1], which(m2 >= -10 & m2 <= 10, arr.ind = TRUE)[,1])
在对称范围的情况下，可以简化为intersect(which(abs(m1) <= 0.1, arr.ind = TRUE)[,1], which(abs(m2) <= 10, arr.ind = TRUE)[,1])
Intersect 可以为空，df1[-integer(0), ] 将返回一个空表而不是完整表。可以转换为要保留的行（联合 + 反转不等式）或仅当 (length(i1)) ....

【解决方案2】：

滚动到最近的值并找到距离：

library(data.table)
setDT(df1); setDT(df2)

df1[, dist1 := df2[df1, on=.(Time1v2 = Time1v1), roll="nearest", abs(x.Time1v2 - i.Time1v1)]]
df1[, dist2 := df2[df1, on=.(Time2v2 = Time2v1), roll="nearest", abs(x.Time2v2 - i.Time2v1)]]

df1[dist1 > 0.1 | dist2 > 10]

   Time1v1 Time2v1   dist1  dist2
1:  55.250 81.0000   4.100 0.0000
2: 786.008 11.0112 194.651 4.0888
3:  11.200 14.8000   1.070 0.3000
4:  23.110 78.9100   8.690 2.0900

【讨论】：