基于两列映射两个文件的集群答案

【问题标题】：Mapping the clusters of two files based on two columns基于两列映射两个文件的集群
【发布时间】：2016-01-12 10:15:45
【问题描述】：

我有两个文件。第一个文件包含三列：SiteID、Time 和 ClusterNo。

第二个文件有四列：SiteA_ID、SiteB_ID、Time 和 ClusterNo。

file1 <- data.frame("Site_ID" = sample(74000:74500, 1000, replace =TRUE), "Time" =  runif(1000)*100, "ClusterNo." = sample(1:500, 1000, replace = TRUE)) 
file2 <- data.frame("SiteA_ID" = sample(74000:74500, 1000, replace =TRUE),"SiteB_ID" = sample(74000:74500, 1000, replace =TRUE), "Time" =     runif(1000)*100, "ClusterNo." = sample(1:500, 1000, replace = TRUE))

我们必须找出（file1 和 file2 的）哪些集群以 file1 的 Site_ID 与 file2 的 Site（A 或 B）匹配的方式进行映射； file1和file2的时间相差不超过2个单位。

所需的输出是一个包含三列的文件：ClusterNoOfFile1 和 ClusterNoOfFile2 和 CommonSite

[注意：CommonSite 是file1 和file2 的集群映射的公共站点]

【问题讨论】：

标签： r data-manipulation

【解决方案1】：

以下是一种按照您的目标完成某事的方法（我不太清楚您的输出应该得到您的输入）。您可以根据自己的具体需要对其进行修改。

library(dplyr)
library(tidyr)

# Generate the data (your code)
file1 <- data.frame("Site_ID" = sample(74000:74500, 1000, replace =TRUE), "Time" =  runif(1000)*100, "ClusterNo." = sample(1:500, 1000, replace = TRUE))
file2 <- data.frame("SiteA_ID" = sample(74000:74500, 1000, replace =TRUE),"SiteB_ID" = sample(74000:74500, 1000, replace =TRUE), "Time" =     runif(1000)*100, "ClusterNo." = sample(1:500, 1000, replace = TRUE))

# Convert file2 to long format so there is only one site id
file2Long <- gather(file2, Site_Type, Site_ID, -Time, -ClusterNo.)

# Inner join with file1 so you retain all rows with matching site id.
file12 <- inner_join(file1, file2Long, by = 'Site_ID')

# Compute time difference and store whether it is within range
file12$TimeDiff2 <- abs(file12$Time.x - file12$Time.y) <= 2

# Filter the ones that meet the threshold criteria of 2, and retain only
# columns of interest.
file12Diff2 <- filter(file12, TimeDiff2 == TRUE)
file12Diff2 <- select(file12Diff2, ClusterNo..x, ClusterNo..y, Site_ID)

输出将如下所示（.x mens file1 和 .y 表示 file2 - 您可以将这些名称更改为您需要的任何名称）：

  ClusterNo..x ClusterNo..y Site_ID
1          400           96   74308
2          298          438   74027
3          397          137   74265
4          420          286   74395
5          280           77   74097
6          176          333   74303

【讨论】：