加速数据帧匹配

Question

我有两个数据帧,很像这样:

data = data.frame(data=cbind(1:12,rep(c(1,2),6),rep(c(1,2,3),4)))
colnames(data)=c('v','h','c')

lookup = data.frame(data=cbind(c(rep(1,3),rep(2,3)),rep(c(1,2,3),2),21:26))
colnames(lookup)=c('h','c','t')

我想从数据$ v中减去查找$ t,其中h和c列匹配.

我认为这样的事情会起作用

data$v-lookup$t[lookup$h==data$h&lookup$c==data$c]

但并不神奇地知道我想隐式迭代数据行

我最终这样做了

myt = c()
for(i in 1:12) {
myt[i] = lookup$t[lookup$h==data$h[i]&lookup$c==data$c[i]]
}

哪个工作正常,但我希望有人可以提出一个更合理的方式,不涉及循环.

Answer 1

听起来你可以合并,然后做数学:

dataLookedUp <- merge(data, lookup)
dataLookedUp$newValue <- with(dataLookedUp, v - t )

对于您的真实数据,合并和计算更快？

如果数据和/或查找非常大,您可以使用data.table在合并之前创建索引以加快速度.

Answer 2

对于那些习惯于SQL查询的人来说更熟悉的另一种选择,以及2.)通常比标准合并更快的是使用sqldf包.(请注意,在Mac OS X上,您可能希望安装sqlf所依赖的Tcl/Tk.)作为额外的奖励,sqldf默认情况下会自动将字符串转换为因子.

install.packages("sqldf")
library(sqldf)
data <- data.frame(v = 1:12, h = rep(c("one", "two"), 6), c = rep(c("one", "two", "three"), 4))
lookup <- data.frame(h = c(rep("one", 3), rep("two", 3)), c = rep(c("one", "two", "three"), 2), t =  21:26)
soln <- sqldf("select * from data inner join lookup using (h, c)")
soln <- transform(soln, v.minus.t = v - t)