У меня есть фрейм данных с именем result
, имеющий 4 столбца (x, y, label, NN.idx и dist), соответственно представляющих положение наблюдения в плоскости, метку для избежания дублирования (x, y) (см. мое замечание ниже) индекс ближайшего соседа в другом кадре данных и расстояние до него. Примечание. Каждая (x, y) комбинация может появляться от одного до трех раз, и если это так, они различаются по разным меткам (например, строки 1,4 и 5 и в приведенном ниже примере). Кроме того, обратите внимание, что две разные точки могут иметь одинаковую метку, которая является величиной, которую я вычислил из предыдущих манипуляций с данными, например, обе строки 1 и 3 имеют одинаковую метку, хотя они явно не представляют одну и ту же точку (x, y).
Вот пример:
result <- data.frame(x=c(0.147674, 0.235356 ,0.095337, 0.147674, 0.147674, 1.000000, 2.000000), y=c(0.132956, 0.150813, 0.087345, 0.132956, 0.132956, 2.000000, 1.000000), label = c(5,6,5,6,7,3,9), NN.idx =c(4325,2703,21282,3460,12,4,10), dist=c(0.02391247,0.03171236,0.01760940,0.03136304, 0.02315468, 0.01567365, 0.02314860))
head(result)
x y label NN.idx dist
1 0.147674 0.132956 5 4325 0.02391247
2 0.235356 0.150813 6 2703 0.03171236
3 0.095337 0.087345 5 21282 0.01760940
4 0.147674 0.132956 6 3460 0.03136304
5 0.147674 0.132956 7 12 0.02315468
6 1.000000 2.000000 3 4 5.00000000
7 2.000000 1.000000 9 10 11.00000000
То, что я хотел бы сделать, это очень эффективно преобразовать этот фрейм данных (фактический фрейм данных намного больше) в широкий формат, где каждая строка соответствует уникальная (x, y) комбинация и будет представлять столбцы NN.idx_1, NN.idx_2, NN.idx_3, dist_1, dist_2, dist_3, дающие NN.idx и dist для каждого вхождения (x, y) комбинация в исходном фрейме данных (и заполнение NA, если комбинация (x, y) появляется только дважды или один раз)
Я относительно новичок в R и знаю только основы, но я думаю, что у меня может быть решение используя data.table
и dcast
следующим образом:
df <- setDT(result)
df[,NN.counter := 1:.N, by=c("x","y")]
df <- dcast(df, x+y~ NN.counter, value.var=c("NN.idx","dist"))
head(df)
x y NN.idx_1 NN.idx_2 NN.idx_3 dist_1 dist_2 dist_3
1: 0.095337 0.087345 21282 NA NA 0.01760940 NA NA
2: 0.147674 0.132956 4325 3460 12 0.02391247 0.03136304 0.02315468
3: 0.235356 0.150813 2703 NA NA 0.03171236 NA NA
4: 1.000000 2.000000 4 NA NA 0.01567365 NA NA
5: 2.000000 1.000000 10 NA NA 0.02314860 NA NA
Мой вопрос заключается в следующем: мой подход в порядке? Я не знаком с dcast
, и запись x+y ~ NN.counter
заставляет меня задаться вопросом, будут ли две разные точки (x, y), приводящие к одной и той же сумме x + y, рассматриваться как разные (например, строки 6 и 7 моего исходного кадра данных, где х и у поменялись местами). Видимо, это работает.
У кого-нибудь есть лучший подход к решению этой проблемы, или у меня все в порядке? Кроме того, я не знаю, достаточно ли это быстро или нет, хотя я читал, что data.table
довольно быстро.