r - 使用 2 个数据帧在 R 中进行有效的子集化

Question

我在一个数据帧中有一个大的时间序列 full ，在不同的数据帧中有一个时间戳列表 test 。我需要使用 full 中时间戳周围的数据点对 test 进行子集化。我的第一直觉(作为 R 菜鸟)是写下面的，这是错误的

subs <- subset(full,(full$dt>test$dt-i) & (full$dt<test$dt+i))

查看结果我意识到 R 正在同时循环遍历两个向量，给出错误的结果。我的选择是编写一个如下所示的循环:

subs<-data.frame()
for (j in test$dt) 
  subs <- rbind(subs,subset(full,full$dt>(j-i) & full$dt<(j+i)))

我觉得可能有更好的方法来做循环， this article 恳求我们尽可能避免 R 循环。另一个原因是我可能会遇到性能问题，因为这将是优化算法的核心。任何来自大师的建议将不胜感激。

编辑:

这是一些可重现的代码，显示了错误的方法以及有效但可能更好的方法。

#create a times series
full <- data.frame(seq(1:200),rnorm(200,0,1))
colnames(full)<-c("dt","val")

#my smaller array of points of interest
test <- data.frame(seq(5,200,by=23))
colnames(test)<-c("dt")

# my range around the points of interset
i<-3 

#the wrong approach
subs <- subset(full,(full$dt>test$dt-i) & (full$dt<test$dt+i))

#this works, but not sure this is the best way to go about it
subs<-data.frame()
for (j in test$dt) 
  subs <- rbind(subs,subset(full,full$dt>(j-i) & full$dt<(j+i)))

编辑:
我更新了这些值以更好地反射(reflect)我的用例，并且我看到 @mrdwab 的解决方案出人意料地大幅领先。

我正在使用@mrdwab 的基准代码，初始化如下:

set.seed(1)

full <- data.frame(
  dt  = 1:15000000,
  val = floor(rnorm(15000000,0,1))
)


test <- data.frame(dt = floor(runif(24,1,15000000)))

i <- 500

基准是:

       test replications elapsed relative
2    mrdwab            2    1.31  1.00000
3 spacedman            2   69.06 52.71756
1    andrie            2   93.68 71.51145
4  original            2  114.24 87.20611

完全出乎意料。头脑=吹。有人可以在这个黑暗的角落里照亮一些光线并阐明正在发生的事情。

重要提示:正如@mrdwab 在下面指出的，他的解决方案仅在向量为整数时才有效。如果没有，@spacedman 有正确的解决方案

Answer 1

我不知道它是否更有效率，但我认为你也可以做这样的事情来得到你想要的:

subs <- apply(test, 1, function(x) c((x-2):(x+2)))
full[which(full$dt %in% subs), ]

我不得不将您的“3”调整为“2”，因为 x 将包含在两种方式中。

基准测试(只是为了好玩)

@Spacedman 带路!

一、需要的数据和功能。

## Data
set.seed(1)

full <- data.frame(
  dt  = 1:200,
  val = rnorm(200,0,1)
)

test <- data.frame(dt = seq(5,200,by=23))

i <- 3 

## Spacedman's functions
cf = function(l,u){force(l);force(u);function(x){x>l & x<u}}
OR = function(f1,f2){force(f1);force(f2);function(x){f1(x)|f2(x)}}
funs = mapply(cf,test$dt-i,test$dt+i)
anyF = Reduce(OR,funs)

二是对标。

## Benchmarking
require(rbenchmark)
benchmark(andrie = do.call(rbind, 
                           lapply(test$dt, 
                                  function(j) full[full$dt > (j-i) & 
                                    full$dt < (j+i), ])),
          mrdwab = {subs <- apply(test, 1, 
                                  function(x) c((x-(i-1)):(x+(i-1))))
                    full[which(full$dt %in% subs), ]},
          spacedman = full[anyF(full$dt),],
          original = {subs <- data.frame()
                      for (j in test$dt) 
                        subs <- rbind(subs, 
                                      subset(full, full$dt > (j-i) & 
                                        full$dt < (j+i)))},
          columns = c("test", "replications", "elapsed", "relative"),
          order = "relative")
#        test replications elapsed  relative
# 3 spacedman          100   0.064  1.000000
# 2    mrdwab          100   0.105  1.640625
# 1    andrie          100   0.520  8.125000
# 4  original          100   1.080 16.875000