logo标签列表

在R中查找数据框中的两列

rsearchdataframedata.table
4
我有一个关于在R中搜索值的问题，它实际上与昨天发布的一个问题有点相似（如此处所示：在R中向后搜索向量/数据表），但我认为我的问题有点更复杂（并且是我想要做的相反的操作），由于我很新手R，我不太确定如何解决这个问题。
我有一个类似于下面给出的数据框，并且我希望找到我的当前索引值之前的一个索引值，其中Times列与我的当前时间不同，并且Midquote列没有NA值。
Index               Times    |    Midquote
                -----------------------------
   1            10:30:45.58  |    5.319
   2            10:30:45.93  |    5.323
   3            10:30:45.104 |    5.325
   4            10:30:45.127 |    5.322
   5            10:30:45.188 |    5.325
   6            10:30:45.188 |    NA
   7            10:30:45.212 |    NA
   8            10:30:45.231 |    5.321
   9            10:30:45.231 |    5.321

如果我们从数据框的底部开始，并将其视为“当前”时间，那么可以发现它位于索引9处，具有Times值为10:30:45.231和Midquote值为5.321，因此如果我想找到第一个时间与当前时间不同的索引，我们会发现这是在索引7处，其时间为10:30:45.212（因为索引8具有相同的时间）。但我们还看到，在索引7处Midquote值为NA，因此我现在必须再次检查数据框。索引6再次具有不同的时间（即10:30:45.188），但是它的Midquote列中也再次具有NA值，因此再次向上移动到索引5，我们看到Times列的时间与我的当前时间不同（即10:30:45.188），并且Midquotes值为5.325。

因此，由于在索引5处，时间为10:30:45.188（与我的当前时间10:30:45.231不同），并且在索引5处Midquote值不是NA，因此我希望获得输出“5”，因为它是满足两个条件的索引值。

我的问题是，有没有一个好方法来做到这一点？如果不添加另一列到数据框中（如上面提到的链接中的顶部答案所示），最好也能实现。

你能展示一下预期的输出吗？ - akrun
抱歉，您的意思是什么？如果您是这个意思，我想要能够从数据框中获取索引5，因为“时间”与我的当前时间不同（因为我从数据框的底部开始），而且“Midquote”不是“NA”。 - reallybadstatdude
展示你想要数据看起来的样子，即对于你的示例数据，“答案”是什么。如果你展示所有相关行的答案（而不仅仅是索引9），那会更有帮助，因为这可以使确切的规则更清晰。 - Marius
抱歉，我现在会编辑我的主题。 - reallybadstatdude
3个回答
2

处理日期时间尤其是带有小数秒的日期时间很困难。如果您将时间转换为双精度浮点数，那么处理起来会更容易。假设您的“Times”是按顺序排列的，则可以使用以下方法：

library(magrittr)
which(df$Times < df[9,1] & !is.na(df$Midquote)) %>% max()

which 函数返回一个向量，其中包含“Times”小于9且“Midquote”不为NA的“Index”。%>% 将该向量发送到max()函数中，该函数返回最高值。这种方法可能不太优雅，但可以完成任务。

1
如果我理解正确，请检查一下这是否是你期望的输出结果。
ind<-function(t,df){
    ind<-t
    while(t>1){
       t=t-1
        if((df$Times[t]!=df$Times[ind]) && (!is.na(df$Midquote[t]))){
            return(t)
        }
    }
}
sapply((nrow(data):1),FUN = ind,data)

#[[1]]
#[1] 5

#[[2]]
#[1] 5

#[[3]]
#[1] 5

#[[4]]
#[1] 4

#[[5]]
#[1] 4

#[[6]]
#[1] 3

#[[7]]
#[1] 2

#[[8]]
#[1] 1

#[[9]]
#NULL

输出系列对应于数据框的关联索引，从最后一行开始。
说明：`ind`将行号作为“当前行”的值，而`t`则从`ind-1`到1取值。`df`将整个数据框作为输入，然后使用`while`循环来检查`df$Times[t]`和`df$Midquote[t]`的时间和中间报价值是否满足所需条件。如果是，则返回索引，否则循环继续直到达到第一行。
在不使用`sapply`的情况下针对特定的当前行：
 ind(9,df)
 [1] 5
1
sapply通常用于在R中循环遍历向量或列表，而不使用for循环...由于我假设您需要每个行元素的索引，因此我使用了sapply。 - tushaR
1
@reallybadstatdude在函数中添加了解释并更正了一个打字错误。希望现在它能为您工作了。 - tushaR
@reallybadstatdude，你期望的输出是什么？能否解释一下？ - tushaR
是的，获得5是预期的输出 :) 目前我需要等一会儿才能测试我的数据，所以我还不能完全测试所有人讨论过的不同方法，直到我真正得到它（这应该在接下来的几个小时内...）。此外，我不希望接受答案，直到我的声誉再高一点，因为我希望给到目前为止回复的每个人点赞。 - reallybadstatdude
让我们在聊天中继续这个讨论。 - tushaR
显示剩余2条评论
1
数据表 `Data.table` 的解决方案，1行。
library(data.table)

dt <- data.table(Index = 1:9,
                 Times = c( '10:30:45.58', '10:30:45.93','10:30:45.104','10:30:45.127','10:30:45.188','10:30:45.188','10:30:45.212','10:30:45.231','10:30:45.231' ),
                 Midquote = c('5.319','5.323','5.325','5.322','5.325',NA,NA,'5.321','5.321')
                )

> dt[ Times != Times[.N] & !is.na(Midquote), max(Index) ]
[1] 5

编辑

要删除索引列，您至少有两个选项：

dt2 <- data.table(Times = c( '10:30:45.58', '10:30:45.93','10:30:45.104','10:30:45.127','10:30:45.188','10:30:45.188','10:30:45.212','10:30:45.231','10:30:45.231' ),
                  Midquote = c('5.319','5.323','5.325','5.322','5.325',NA,NA,'5.321','5.321'))


# Option 1 - create an id column on the fly (unfortunately data.table recalculate .I after evaluating the "where" clause... so you need to save it)
dt2[, cbind(.SD, id=.I)][ Times != Times[.N] & !is.na(Midquote), max(id) ]

# Option 2 - simply check the last position of where your condition is met
dt2[, max(which(Times != Times[.N] & !is.na(Midquote))) ]
NB 由于您的条件可能匹配第1、2和4条记录，因此您无法使用nrow，因为nrow会给出3，这是错误的，因为第3行不匹配。

编辑2 （选项3不正确）

dt3 <- data.table(Times = c( '10:30:45.58', '10:30:45.93','10:30:45.104','10:30:45.127','10:30:45.188','10:30:45.188','10:30:45.212','10:30:45.231','10:30:45.231' ),
                  Midquote = c('5.319','5.323', NA,'5.322','5.325', NA, NA,'5.321','5.321'))


# Option 1 - create an id column on the fly (unfortunately data.table recalculate .I after evaluating the "where" clause... so you need to save it)
dt3[, cbind(.SD, id=.I)][ Times != Times[.N] & !is.na(Midquote), max(id) ]
[1] 5

# Option 2 - simply check the last position of where your condition is met
dt3[, max(which(Times != Times[.N] & !is.na(Midquote))) ]
[1] 5

# Option 3 - good luck with this
nrow(dt3[Times != Times[.N] & !is.na(Midquote)])
[1] 4
这似乎非常高效，但有没有不创建新列的方法？此外，请纠正我如果我错了，从我所看到的来看，该函数似乎是向前移动数据表而不是向后移动数据表。由于我需要向后移动数据表，因此可能不适用（当然我可能解释错误）。 - reallybadstatdude
抱歉，请忽略我之前的评论，我现在明白你为什么使用max()函数了。我只是想知道，这是否是你所写内容的替代方法：nrow((df2[Times != Times[i] & !is.na(Midquote)]))？这样我就不需要创建一个新的Index列了。请注意，在上面的Times[i]代码中，我只是指一个通用索引值（因为索引可能会改变，而且可能不一定是数据表的最后一个值）。 - reallybadstatdude
谢谢您的回答，只有一个最后的问题：您提到 nrow 不能使用，但我不完全理解您在示例中的意思。对于此处的数据集示例，使用 nrow 似乎可以工作（因为它返回 5），所以我想知道如果不麻烦的话，您能否简要解释一下。 - reallybadstatdude
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接