r - 有条件地合并来自两个数据框的数据

Question

我目前正在尝试合并来自两个 df 眼动追踪数据的信息。在一个 df(行为)中，有与实验中每个试验相关联的开始和结束时间。在另一个 df(gaze) 中，记录了凝视的时间戳。我想通过每个凝视时间戳并评估它是否在试验的开始和结束时间内(从行为 df 中提取的信息)，如果是，则将行为 df 中的试验信息添加到试验列中凝视 df.

dfs如下:

Behavioral df
   StartTime    EndTime Trial
1:         0     0.8     a
2:         1     1.8     b
3:         2     2.8     c
4:         3     3.8     d

Gaze df 
  Gaze    x   y Frame   Trial
 1: 0.00 100 200   126    NA
 2: 0.20 101 201   126    NA
 3: 0.40 102 202   127    NA
 4: 0.80 103 203   127    NA
 5: 0.60 104 204   127    NA
 6: 0.90 105 205   127    NA
 7: 1.20 106 206   128    NA
 8: 1.40 107 207   128    NA
 9: 1.60 108 208   128    NA
10: 2.02 109 209   129    NA
11: 2.50 110 210   129    NA
12: 2.90 111 211   129    NA
13: 3.10 112 212   130    NA
14: 3.79 113 213   130    NA

我想浏览一下凝视时间戳。即，对于 Gaze$Gaze[1]，它是在 0 到 0.8 之间吗？是 >>> Gaze$Trial[1]=a

我试过了

for(i in Gaze$Gaze){
  if(as.numeric(Gaze$Gaze[i]) >= as.numeric(Behavior$StartTime[i])){
    if(as.numeric(Gaze$Gaze[i]) <= as.numeric(Behavior$EndTime[i])){
      Gaze$Trial[i]<-Behavior$Trial[i]
    }
  }
  else Gaze$Trial[i]<-NA

}

我得到错误:

Error in if (as.numeric(fakegaze$Gaze[i]) >= as.numeric(fakebehavior$StartTime[i])) { : argument is of length zero

我相信在合并信息之前我可能需要使用另一个 for 循环来分别遍历两个 df，但我不确定从哪里开始。谢谢!

数据:

library(data.table)
beh = setDT(structure(list(StartTime = c(0, 1, 2, 3), EndTime = c(0.8, 1.8, 2.8, 3.8
), Trial = c("a", "b", "c", "d")), row.names = c(NA, -4L), class = "data.frame"))

gaze = setDT(structure(list(Gaze = c(0, 0.2, 0.4, 0.8, 0.6, 0.9, 1.2, 1.4, 
1.6, 2.02, 2.5, 2.9, 3.1, 3.79), x = 100:113, y = 200:213, Frame = c(126L, 
126L, 127L, 127L, 127L, 127L, 128L, 128L, 128L, 129L, 129L, 129L, 
130L, 130L), Trial = c(NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, 
NA, NA, NA, NA)), row.names = c(NA, -14L), class = "data.frame"))

Answer 1

您可以使用非等连接来更新凝视表中的 Trial:

gaze[, Trial := beh[.SD, on=.(StartTime <= Gaze, EndTime >= Gaze), x.Trial]]

    Gaze   x   y Frame Trial
 1: 0.00 100 200   126     a
 2: 0.20 101 201   126     a
 3: 0.40 102 202   127     a
 4: 0.80 103 203   127     a
 5: 0.60 104 204   127     a
 6: 0.90 105 205   127  <NA>
 7: 1.20 106 206   128     b
 8: 1.40 107 207   128     b
 9: 1.60 108 208   128     b
10: 2.02 109 209   129     c
11: 2.50 110 210   129     c
12: 2.90 111 211   129  <NA>
13: 3.10 112 212   130     d
14: 3.79 113 213   130     d

此方法假定 beh 中没有重叠区间(在这种情况下，正确的 Trial 可能不明确)。

(OP 没有用 data.table 标记问题或包含 library(data.table) 调用，但我假设他们根据表格的打印方式使用它.)

---

作为 .SD is locked error bug 的解决方法, 我通常按照错误消息中的建议使用 copy(.SD) 。但是，正如 OP 在评论中指出的那样，这对于大数据来说可能很昂贵。通常等效的替代方法是翻转连接:

# convert to correct NA type
gaze[, Trial := rep(beh$Trial[NA_integer_], .N)] 
# reversed update join
gaze[beh, on=.(Gaze >= StartTime, Gaze <= EndTime), Trial := i.Trial]

对于 OP 的情况，它似乎仍然产生了正确的结果。我通常avoid this kind of join因为我发现它更难阅读，而且它会产生奇怪的副作用。特别是，在 x[i, on=, v := i.v] 中，如果 i 的多行映射到 x 的同一行，只会使用最后匹配的行(没有警告或错误)。