Non-equi join de duas tabelas

Question 1

Eu tenho 2 dataframes onde eu preciso encontrar quantas vezes as entradas na simulação$num caem dentro do intervalo de x-y especificados por faixa dataframe.

id <- c(1:9)
num <- c(99,101,199,250,999,1500,3000,4000,5000)
mock <- data.frame(id, num)

x <- c(100,100,200,1000,4000,4000)
y <- c(198,200,300,2000,5000,5000)
range <- data.frame(x,y)

A saída desejada é mostrado abaixo

id num check
1 99   0
2 101  2
3 199  1
4 250  1
5 999  0
6 1500 1
7 3000 0
8 4000 2
9 5000 2

o que pode ser obtido pela seguinte código

mock$check <- mapply(
    function(x){
        count = 0
        for (i in 1:nrow(range)){
            if (x >= range$x[i] & x <= range$y[i]){
                count = count + 1
            }
        }
        paste0(count)
    },
    mock$num
)

A abordagem acima é indicado para grandes conjuntos de dados, devido ao loop for e eu estava tentando usar um non-equi método join (via data.table). No entanto, eu estou preso a respeito de como fazer um non-equi join entre duas tabelas (não tenho certeza de como proceder para...)

nonequi <- mock[range, on =.(num >= x, num <=y),]

Gostaria de conhecer algumas orientações para este problema. Apreciar a sua ajuda.

Question 2

Primeiro não-equi join, em seguida, resumir para cada id quantas vezes ele aparece e junte-se novamente para mock para descobrir quais identificações foram deixados de fora. Para os ids de definir contagem a zero.

res <- setDT(mock)[setDT(range), .(id), on = .(num >= x, num <= y)][, .N, by = id][mock, on = .(id)][is.na(N), N := 0][]

Question 3

não tenho certeza sobre a velocidade de execução para grandes matrizes de dados

id <- c(1:9)
num <- c(99,101,199,250,999,1500,3000,4000,5000)
mock <- data.frame(id, num)

x <- c(100,100,200,1000,4000,4000)
y <- c(198,200,300,2000,5000,5000)
RANGE <- data.frame(x,y)

mock$check <- sapply(mock$num, function(z) sum(z >= RANGE$x & z <= RANGE$y))

mock
#>   id  num check
#> 1  1   99     0
#> 2  2  101     2
#> 3  3  199     1
#> 4  4  250     1
#> 5  5  999     0
#> 6  6 1500     1
#> 7  7 3000     0
#> 8  8 4000     2
#> 9  9 5000     2

^{Criado em 2021-11-24 pelo reprex pacote (v2.0.1)}

det · Answer 1 · 2021-11-24T07:12:05

Primeiro não-equi join, em seguida, resumir para cada id quantas vezes ele aparece e junte-se novamente para mock para descobrir quais identificações foram deixados de fora. Para os ids de definir contagem a zero.

res <- setDT(mock)[setDT(range), .(id), on = .(num >= x, num <= y)][, .N, by = id][mock, on = .(id)][is.na(N), N := 0][]

Yuriy Saraykin · Answer 2 · 2021-11-24T07:20:12

não tenho certeza sobre a velocidade de execução para grandes matrizes de dados

id <- c(1:9)
num <- c(99,101,199,250,999,1500,3000,4000,5000)
mock <- data.frame(id, num)

x <- c(100,100,200,1000,4000,4000)
y <- c(198,200,300,2000,5000,5000)
RANGE <- data.frame(x,y)

mock$check <- sapply(mock$num, function(z) sum(z >= RANGE$x & z <= RANGE$y))

mock
#>   id  num check
#> 1  1   99     0
#> 2  2  101     2
#> 3  3  199     1
#> 4  4  250     1
#> 5  5  999     0
#> 6  6 1500     1
#> 7  7 3000     0
#> 8  8 4000     2
#> 9  9 5000     2

^{Criado em 2021-11-24 pelo reprex pacote (v2.0.1)}

Non-equi join de duas tabelas

Pergunta

Em outros idiomas

Esta página está em outros idiomas

Popular nesta categoria

Perguntas populares nesta categoria