加速数据帧匹配

Question

我有两个数据帧，很像下面这样：

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h和c列匹配的数据$v中减去lookup$t。

我想像这样的东西会有用的

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

但是不知道我想隐式地迭代数据行

我最终做了这件事

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

这很好用，但我希望有人能提出一种更明智的方法，而不涉及循环。

Answer 1

听起来你可以合并然后计算一下：

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

对于真实数据，合并和计算是否更快？

如果数据和/或查找真的很大，那么可以在合并之前使用data.table创建索引，以加快速度。

Answer 2

另一个选项是1。)对于那些习惯于SQL查询的人来说更加熟悉。)通常比标准合并更快的是使用sqldf包。(请注意，在Mac上，您可能希望安装Tcl/Tk，sqldf依赖于它。)作为额外的好处，sqldf在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)

Answer 3

对于整数列，我不认为您可以做任何事情来改进JD的提供，但是如果您在合并的列中有字符串，您可以使用as.factor创建因子，这可以根据您的数据集的大小和您预期的合并/排序次数来加速merge：

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)
data <- transform(data, h = as.factor(h), c = as.factor(c))
lookup <- transform(lookup, h = as.factor(h), c = as.factor(c))
temp <- merge(data, lookup)
temp <- transform(temp, v.minus.t = v - t)