创建从R中的多个数据读取的条件

Question

我正试图清理用于社交网络分析的数据，而作为编码新手，我在编写复杂的条件方面遇到了困难。首先，我们有dataframe bookinfo，其中感兴趣的头是日期、接收者、bookID：

>head(bookinfo)
        date                             receiver          bookId readingStatus
1 2017-04-21 03cff9d7-5712-410c-a4bf-f04ceede644b asin:0062228013  ALREADY_READ
2 2017-04-18 03cff9d7-5712-410c-a4bf-f04ceede644b asin:1442449616  ALREADY_READ
3 2017-04-24 03cff9d7-5712-410c-a4bf-f04ceede644b asin:0545851904  ALREADY_READ
4 2017-04-18 03cff9d7-5712-410c-a4bf-f04ceede644b asin:0545384176  ALREADY_READ
5 2017-06-02 03cff9d7-5712-410c-a4bf-f04ceede644b asin:0763643491  ALREADY_READ
6 2017-04-24 03cff9d7-5712-410c-a4bf-f04ceede644b asin:0545851890  ALREADY_READ

然后，我们得到了dataframe rec，其中感兴趣的头是日期、发件人、接收方和bookId：

>head(rec)
     date                               sender                             receiver       messageType          bookId
1 4/21/17 7a28156e-950e-47b7-a4aa-241fa9cfcf1a f8b027a3-89eb-475a-83e0-eb94e24eaab4 RECOMMENDS_A_BOOK asin:0986444138
2 4/21/17 fb4eefd3-03e9-40c3-bc9e-af85ea88d827 f8b027a3-89eb-475a-83e0-eb94e24eaab4 RECOMMENDS_A_BOOK asin:1434297314
3 4/21/17 dc319e95-0e3e-461e-b02c-abab4414c741 f8b027a3-89eb-475a-83e0-eb94e24eaab4 RECOMMENDS_A_BOOK asin:1484746694
4 4/18/17 118c57b6-e946-453f-88b2-6ae1282e62ab f8b027a3-89eb-475a-83e0-eb94e24eaab4 RECOMMENDS_A_BOOK asin:1514241587
5 4/21/17 dd0de21d-889d-4bf1-9ebb-af50b6660815 f8b027a3-89eb-475a-83e0-eb94e24eaab4 RECOMMENDS_A_BOOK asin:0986444138
6 4/21/17 f85d06ea-d534-42de-a714-6dc6358d1e29 f8b027a3-89eb-475a-83e0-eb94e24eaab4 RECOMMENDS_A_BOOK asin:1484746694

在dataframe rec中，我想创建一个新的列绑定。条件如下：

Tie =1

• 在rec中:发送方、接收方和bookId位于同一行，并且
• 在bookinfo中:相同的接收方，相同的bookId位于同一行，此处的日期比rec中的被引用行的日期晚
• 注意，rec和bookinfo不一定是一致的。而Sender+Receiver+bookId在rec中可能是第3行，而Receiver+bookId在bookinfo中可能是第10行。

否则，Tie=0。

直觉是，如果接收者在收到“发件人”推荐书的日期之后显示出与该书有关的活动，那么他们就有了平局。(如果他们在日期之前有显示活动，这与发件人无关)。

提前感谢您的帮助和时间！

Answer 1

我知道你有一个复杂的数据框架，但请尝试提供可重复的例子--创建一些大致遵循自己的虚拟数据。

您真正想要的代码是函数内部的布尔索引。它处理的是列的整数位置，但也可以使用列名。

希望这能有所帮助。

options(stringsAsFactors = FALSE)
bookinfo <- data.frame(date = as.Date(c('01-08-2010', '01-08-2010', '01-08-2011', '01-09-2011', '01-08-2012'), format = '%d-%m-%Y'), Sender = c('a', 'b', 'c', 'd', 'e'), Receiver = c(1, 2, 3, 4, 5), bookId = as.character(c('Dickens', 'Austen', 'Dickens', 'Austen', 'Shakespeare'))) 
rec <- data.frame(date = as.Date(c('01-08-2016', '01-08-2004', '01-08-2014', '01-07-2011', '01-08-2015'), format = '%d-%m-%Y'), Sender = c('a', 'b', 'c', 'd', 'e'), Receiver = c(1, 2, 3, 4, 5), bookId = as.character(c('Dickens', 'Austen', 'Dickens', 'Austen', 'Shakespeare'))))

bookinfo[, 1] <- as.numeric(bookinfo[, 1])
rec[, 1] <- as.numeric(rec[, 1])

booked <- function (x, y) {
  if ((x[2] == y[2] && x[3] == y[3] && x[4] == y[4] && x[1] < y[1]) == TRUE) {
    result <- 1
  } else {
    result <- 0
  }

  return(result)
}

rec['tie'] <- ''

for (i in 1:nrow(rec)) {
  for (j in 1:nrow(bookinfo)) {
    if (booked(rec[i, ], bookinfo[j, ]) == 1) {
      rec[i, 'tie'] <- 1
      }
  }
}

编辑

我已经更新了代码，所以现在我将扫描所有在'bookinfo‘中的数据行，以获得所需的匹配来rec。

通常，正如其他人所指出的，我们应该通过“应用”类型的函数而不是编写循环来将代码向量化。然而，这是一个棘手的问题，我无法立即找到解决办法。