r - dplyr mutate 调用另一个数据帧

Question

我想通过应用调用另一个数据帧的函数来改变数据帧。我可以通过几种不同的方式实现这一点，但想知道如何“正确”做到这一点。

这是我正在尝试做的一个例子。我有一个带有一些开始时间的数据框，还有一个带有一些定时观察的数据框。我想返回一个包含开始时间的数据帧，以及开始时间后某个窗口内发生的观察次数。例如

set.seed(1337)
df1 <- data.frame(id=LETTERS[1:3], start_time=1:3*10)
df2 <- data.frame(time=runif(100)*100)
lapply(df1$start_time, function(s) sum(df2$time>s & df2$time<(s+15)))

到目前为止，我对 dplyr 的最佳使用如下(但这会丢失身份变量):

df1 %>% 
    rowwise() %>%
    do(count = filter(df2, time>.$start_time, time < (.$start_time + 15))) %>%
    mutate(n=nrow(count))

输出:

Source: local data frame [3 x 2]
Groups: <by row>

# A tibble: 3 × 2
                  count     n
                 <list> <int>
1 <data.frame [17 × 1]>    17
2 <data.frame [18 × 1]>    18
3 <data.frame [10 × 1]>    10

我期待能够做到这一点:

df1 <- data.frame(id=LETTERS[1:3], start_time=1:3*10)
df2 <- data.frame(time=runif(100)*100)
df1 %>% 
    group_by(id) %>% 
    mutate(count = nrow(filter(df2, time>start_time, time<(start_time+15))))

但这会返回错误:

Error: comparison (6) is possible only for atomic and list types

dplyr 这样做的方法是什么？

Answer 1

这是 data.table 的一种选择我们可以在哪里使用 non-equi加入

library(data.table)#1.9.7+
setDT(df1)[, start_timeNew := start_time + 15]
setDT(df2)[df1, .(id, .N), on = .(time > start_time, time < start_timeNew), 
           by = .EACHI][, c('id', 'N'), with = FALSE]
#   id  N
#1:  A 17
#2:  B 18
#3:  C 10

这与 OP 的 base R 中的计数相同方法

sapply(df1$start_time, function(s) sum(df2$time>s & df2$time<(s+15)))
#[1] 17 18 10

如果我们需要'id'变量也作为 dplyr的输出，我们可以修改OP的代码

df1 %>%
    rowwise() %>% 
    do(data.frame(., count = filter(df2, time>.$start_time,
                                 time < (.$start_time + 15)))) %>% 
    group_by(id) %>% 
    summarise(n = n())
#      id     n
#  <fctr> <int>
#1      A    17
#2      B    18
#3      C    10

或者另一个选项是 map来自 purrr与 dplyr

library(purrr)
df1 %>% 
    split(.$id) %>% 
    map_df(~mutate(., N = sum(df2$time >start_time & df2$time < start_time + 15))) %>% 
    select(-start_time)
#   id  N
#1  A 17
#2  B 18
#3  C 10