如何根据另一个数据帧中的值引用一个数据帧中的值？

Question

我对R是新手，在处理一些环境监测数据时，我对这个问题感到困惑。

我有两个数据集，分别记录了实际的监控时间序列和监控站点的信息.我将它们存储在两个数据帧中-- monitoring和sites

monitoring:

                  date       site obs
 1 2001-01-01 10:00:00  riverside  NA
 2 2001-01-01 11:00:00  riverside  52
 3 2001-01-01 12:00:00  riverside  52
 4 2001-01-01 13:00:00  riverside  56
 5 2001-01-01 10:00:00       dorm  52
 6 2001-01-01 11:00:00       dorm  64
 7 2001-01-01 12:00:00       dorm  76
 8 2001-01-01 13:00:00       dorm  80
 9 2001-01-01 10:00:00        kfc  78
10 2001-01-01 11:00:00        kfc  74
11 2001-01-01 12:00:00        kfc  66
12 2001-01-01 13:00:00        kfc  68

sites:

        site       type
 1      DORM   suburban
 2       KFC      urban
 3 RIVERSIDE      rural

我想在monitoring中添加一个monitoring列，其中包含从sites提取的信息，如下所示：

                  date       site obs site.type
 1 2001-01-01 10:00:00  riverside  NA     rural
 2 2001-01-01 11:00:00  riverside  52     rural
 3 2001-01-01 12:00:00  riverside  52     rural
 4 2001-01-01 13:00:00  riverside  56     rural
 5 2001-01-01 10:00:00       dorm  52  suburban
 6 2001-01-01 11:00:00       dorm  64  suburban
 7 2001-01-01 12:00:00       dorm  76  suburban
 8 2001-01-01 13:00:00       dorm  80  suburban
 9 2001-01-01 10:00:00        kfc  78     urban
10 2001-01-01 11:00:00        kfc  74     urban
11 2001-01-01 12:00:00        kfc  66     urban
12 2001-01-01 13:00:00        kfc  68     urban

我在下面的命令中尝试了grep()：

for (i in 1:nrow(monitoring)) {
  monitoring$site.type[i] <- as.character(sites$type[grep(monitoring$site[i], sites$site, ignore.case = T)])
}

它在这个小的monitoring示例集上运行得很好。然而，当我把它应用到我的真实数据集时，有654,525条记录，它从未停止在我的i5-2400计算机上运行，内存为16 GB .

我试图在堆栈溢出上搜索现有的问题，并找到了一些答案，为类似的场景提供了相同的解决方案，因此更让人困惑的是，为什么它在我的情况下不起作用。因此，

1. 有人能指出问题出在哪里吗？
2. 我可以问一下在这种情况下如何避免for循环，因为它可能不那么“时尚”和高效？)

在此之前，非常感谢您。

Answer 1

正确的方法是使用merge，就像Ben建议的那样，但是这里有一个简单的技巧：

rownames( sites ) <- tolower( sites$site )

现在您可以使用键(如sites )访问riverside，例如尝试sites[ "riverside", ]。tolower()函数仅用于将RIVERSIDE转换为riverside。因此，你可以

monitoring$site.type <- sites[ monitoring$site, "type" ]

Answer 2

按照Ben的建议使用merge很容易

monitoring
sites$site <- factor(tolower(sites$site)) # cols are unordered

merge(monitoring, sites, by='site')

# fixing col order...
merge(monitoring, sites, by='site')[,c('date', 'site', 'obs', 'type')]