我有一个包含局部变量的大型数据帧(~130000行)和一个包含物种密度的其他大型数据帧(~7000行).两者都有x和y坐标,但这些坐标并不总是匹配.例如:
df1 <- data.frame(X = c(2,4,1,2,5), Y = c(6,7,8,9,8), V1 = c("A", "B", "C", "D", "E"), V2 = c("G", "H", "I", "J", "K"))
和:
df2 <- data.frame(X = c(2,4,6), Y = c(5,9,7), Dens = c(12, 17, 10))
如果有一个合理的近点,我想在df2中添加一个包含密度(Dens)的列.如果附近没有任何一点,我希望它显示为NA.例如:
X Y V1 V2 Dens
2 6 A G 12
4 7 B H NA
1 8 C I 17
2 9 D J NA
5 8 E K 10
最佳答案 首先,让我们编写一个函数来找到df2中单个df1的最近点.这里我使用简单的笛卡尔距离(即(x1 – x2)^ 2(y1 – y2)^ 2).如果您有lat / lon,您可能希望将其更改为更好的公式:
mydist <- function(row){
dists <- (row[["X"]] - df2$X)^2 + (row[["Y"]]- df2$Y)^2
return(cbind(df2[which.min(dists),], distance = min(dists)))
}
一旦你有了这个,你只需要将它提供给每一行,并将其添加到你的第一个数据:
z <- cbind(df1, do.call(rbind, lapply(1:nrow(df1), function(x) mydist(df1[x,]))))
对于测试数据,输出如下:
X Y V1 V2 X Y Dens distance
1 2 6 A G 2 5 12 1
2 4 7 B H 4 9 17 4
3 1 8 C I 2 5 12 10
21 2 9 D J 4 9 17 4
22 5 8 E K 4 9 17 2
然后,您可以执行以下操作来过滤掉超过阈值的内容:
threshold <- 5
z$Dens[z$distance > threshold] <- NA
X Y V1 V2 X Y Dens distance
1 2 6 A G 2 5 12 1
2 4 7 B H 4 9 17 4
3 1 8 C I 2 5 NA 10
21 2 9 D J 4 9 17 4
22 5 8 E K 4 9 17 2
您的实际数据非常大(我的计算机上相同大小的模拟数据集大约需要10分钟).如果可能的话你应该合并,然后只对那些不完全匹配的那些运行(参见dplyr :: anti_join).