Ho un timestamp in un frame di dati che sto cercando di abbinare al timestamp più vicino in un secondo dataframe, allo scopo di estrarre i dati dal secondo dataframe. Vedi sotto per un esempio generico del mio approccio:Corrispondenza dei dati con registrazione cronologica all'ora più vicina in un altro set di dati. Correttamente vettorializzato? Modo più veloce?
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
Questo funziona bene, tranne che è molto lento, perché la dataframe di riferimento è abbastanza grande nella mia applicazione nel mondo reale. Questo codice è correttamente vettorizzato? Esiste un modo più veloce ed elegante per eseguire questa operazione?
In Python questo è esattamente ciò che la funzione numpy.searchsorted è per. Ho cercato un equivalente R ma non ne ho trovato uno fino a quel momento .. – cxrodgers
@cxrodgers: Sarebbe interessante vedere un'applicazione di tale funzione per questo compito. Dopo aver esaminato la documentazione, mi sto grattando la testa chiedendomi come avrebbe fatto. Riesci a trovare un esempio operativo SO? –
@BondedDust vedere la risposta fornita da Bi Rico qui: http://stackoverflow.com/questions/8914491/finding-the-nearest-value-and-return-the-index-of-array-in-python – cxrodgers