提供数据后编辑:
从 @MKR 的帖子中获取数据定义:
library(fuzzyjoin)
fuzzy_left_join(Table_1, Table_2,match_fun = function(x,y) y> x & y<=1.1*x )
# Joining by: "x"
# x.x y x.y z
# 1 1 25 1.10 30
# 2 2 26 2.05 35
# 3 3 27 NA NA
虚假数据的一般解释(第一个答案)
假数据
iris1 <- head(iris[1:2])
iris1
# Sepal.Length Sepal.Width
# 1 5.1 3.5
# 2 4.9 3.0
# 3 4.7 3.2
# 4 4.6 3.1
# 5 5.0 3.6
# 6 5.4 3.9
iris2 <- head(iris[c(1,3)])
set.seed(1)
# add noise
iris2$Sepal.Length <- iris2$Sepal.Length + rnorm(6,sd=0.05)
# shuffle rows
iris2 <- iris2[sample(seq(nrow(iris2))),]
iris2
# Sepal.Length Petal.Length
# 5 5.016475 1.4
# 2 4.909182 1.4
# 4 4.679764 1.5
# 6 5.358977 1.7
# 3 4.658219 1.3
# 1 5.068677 1.4
code
library(fuzzyjoin)
fuzzy_left_join(iris1,iris2,match_fun= function(x,y) y>0.99*x & y<1.01*x )
# Joining by: "Sepal.Length"
# Sepal.Length.x Sepal.Width Sepal.Length.y Petal.Length
# 1 5.1 3.5 5.068677 1.4
# 2 4.9 3.0 4.909182 1.4
# 3 4.7 3.2 4.679764 1.5
# 4 4.7 3.2 4.658219 1.3
# 5 4.6 3.1 NA NA
# 6 5.0 3.6 5.016475 1.4
# 7 5.4 3.9 5.358977 1.7
我们看到有些行匹配得非常好,让我们看一下例外情况。第 4 行添加了太多噪音iris2
,因此它与第 3 行配对,其中有 2 个匹配项。当我选择左连接时,第 4 行仍然显示,但带有NAs
for iris2
的专栏。
据我了解:
- 加盟栏目将扩大
- 该函数采用这些长列(
6*6==36
此处的元素)作为参数
- 我们应用向量化函数(例如
<
or &
在本例中)返回一个逻辑向量,该向量将过滤这些长列以构建输出data.frame
.
distance_left_join
使用起来更简单,但它是绝对距离,而不是相对距离。