在 R 中连接/匹配数据帧

我有两个数据框。

第一列有两列：x是水深，y是每个深度的温度。

第二个也有两列，x也是水深，但与第一个表中的深度不同。第二栏z是盐度。

我想通过以下方式连接两个表x， 通过增加z到第一张桌子。我已经学会了如何使用“key”来连接表tidyr，但只有当密钥相同时才有效。这x这两个表中的内容并不相同。

我想做的是匹配深度x表 2 中的值与表 1 中的值相差 10%以内（即表 2 中的匹配 1.1）x至表 1 中的 1.0x).

我怎样才能做到这一点？

Table 1
| x | y  |
|---|----|
| 1 | 25 |
| 2 | 26 |
| 3 | 27 |

Table 2
| x    | z  |
|------|----|
| 1.1  | 30 |
| 2.05 | 35 |
| 3.8  | 34 |

I want

Table 1
| x | y  | z  |
|---|----|----|
| 1 | 25 | 30 |
| 2 | 26 | 35 |
| 3 | 27 | NA |

前两个“x”值在以下位置具有匹配项（绝对差异在 10% 以内）Table 2。第三个则没有。

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。