Unire data più vicina, e relative variabili da un altro dataframe dal gruppo

Ho due dataframes ciascuna con più righe per ID. Ho bisogno di restituire la data più vicina e i dati relativi dal secondo dataframe in base all'ID e alla data del primo dataframe - aggiungendo i dati relativi al primo dataframe. Questo deve anche funzionare con NA s presenti nel secondo dataframe. Dati Esempio:Unire data più vicina, e relative variabili da un altro dataframe dal gruppo

set.seed(42) 
df1 <- data.frame(ID = sample(1:3, 10, rep=T), dateTarget=(strptime((paste 
    (sprintf("%02d", sample(1:30,10, rep=T)), sprintf("%02d", sample(1:12,10, rep=T)), 
    (sprintf("%02d", sample(2013:2015,10, rep=T))), sep="")),"%d%m%Y")), Value=sample(15:100, 10, rep=T)) 
df2 <- data.frame(ID = sample(1:3, 10, rep=T), dateTarget=(strptime((paste 
    (sprintf("%02d", sample(1:30,20, rep=T)), sprintf("%02d", sample(1:12,20, rep=T)), 
    (sprintf("%02d", sample(2013:2015,20, rep=T))), sep="")),"%d%m%Y")), ValueMatch=sample(15:100, 20, rep=T))

Qualcosa da base preferibile - split e una miscela di apply famiglia?

Il tavolo finale sarebbe simile:

ID dateTarget Value dateMatch ValueMatch 
1 3 22-02-15 52 09-03-15   94 
2 1 29-12-14 18 06-12-14   88 
3 3 08-12-15 98 06-07-15   48 
4 2 14-01-13 52 08-04-13   77 
5 2 29-07-15 97 01-08-15   68 
6 3 30-05-13 91 01-04-13   85 
7 1 04-11-13 70 21-02-14   35 
8 2 15-06-15 98 01-08-15   68 
9 3 17-11-14 68 15-12-14   95

P.S. Ci sono modi migliori per generare date casuali (non usando seq.Date)?

fonte

2015-01-21 Simon

Per la vostra "P.S." dovresti essere in grado di adattare http://stackoverflow.com/questions/14720983/efficiently-generate-a-random-sample-of-times-and-dates-between-two-dates con un 'as.Date' al fine della funzione (e, forse, un 'format' se ne avete bisogno in'% d-% m-% y' nella cornice di dati) – hrbrmstr

si può anche fare qualcosa di simile 'Sys.Date() + campione (-1000 : 1000, 20) 'se non ti preoccupi troppo delle date di inizio/fine –

Ecco la soluzione sulla base del pacchetto di base:

z <- lapply(intersect(df1$ID,df2$ID),function(id) { 
    d1 <- subset(df1,ID==id) 
    d2 <- subset(df2,ID==id) 

    d1$indices <- sapply(d1$dateTarget,function(d) which.min(abs(d2$dateTarget - d))) 
    d2$indices <- 1:nrow(d2) 

    merge(d1,d2,by=c('ID','indices')) 
    }) 

z2 <- do.call(rbind,z) 
z2$indices <- NULL 

print(z2) 

# ID dateTarget.x Value dateTarget.y ValueMatch 
# 1 3 2015-11-14 47 2015-07-06   48 
# 2 3 2015-12-08 98 2015-07-06   48 
# 3 3 2015-02-22 52 2015-03-09   94 
# 4 3 2014-11-17 68 2014-12-15   95 
# 5 3 2013-05-30 91 2013-04-01   85 
# 6 1 2013-11-04 70 2014-02-21   35 
# 7 1 2014-12-29 18 2014-12-06   88 
# 8 2 2013-01-14 52 2013-04-08   77 
# 9 2 2015-07-29 97 2015-08-01   68 
# 10 2 2015-06-15 98 2015-08-01   68

fonte

2015-01-21 17:31:23

funziona davvero. Applicherò al set di dati reale e lavorerò attraverso la comprensione migliore. – Simon

Utilizzando data.table, semplice ed elegante soluzione:

library(data.table) 

setDT(df1) 
setDT(df2) 

setkey(df2, ID, dateTarget)[, dateMatch:=dateTarget] 
df2[df1, roll='nearest'] 

    ID dateTarget ValueMatch dateMatch Value 
1: 3 2015-11-14   48 2015-07-06 47 
2: 3 2015-02-22   94 2015-03-09 52 
3: 1 2014-12-29   88 2014-12-06 18 
4: 3 2015-12-08   48 2015-07-06 98 
5: 2 2013-01-14   77 2013-04-08 52 
6: 2 2015-07-29   68 2015-08-01 97 
7: 3 2013-05-30   85 2013-04-01 91 
8: 1 2013-11-04   35 2014-02-21 70 
9: 2 2015-06-15   68 2015-08-01 98 
10: 3 2014-11-17   95 2014-12-15 68

fonte

2015-01-21 18:01:06

Buono. Ho provato [data.table da questo esempio] (http://stackoverflow.com/questions/23342647/how-to-match-by-nearest-date-from-two-data-frames), ma è rimasto bloccato su come usare due variabili come chiave. – Simon

Qui è un molto molto buona introduzione (lettura 10 minuti) presentando quello che hai chiesto: http://cran.r-project.org/web/packages/data.table/vignettes/datatable-intro.pdf –

Unire data più vicina, e relative variabili da un altro dataframe dal gruppo

risposta

Problemi correlati