Как работать с данными, соответствующими определенным критериям в большом наборе данных в R

Question

У меня большой набор данных в R (1.2M записей).Это некоторые чтения для разных протоколов.Теперь я хотел бы классифицировать эти данные (что я могу сделать с rpart / RWeka).Однако сначала мне нужно обработать данные, и этот вопрос как раз об этом.

Набор данных состоит из пары выходов (пропускная способность, время отклика) для каждого набора параметров управления для 4 различных протоколов.Теперь я хотел бы «связать» эти значения, и для каждого набора параметров управления выбирайте только те протоколы, которые имеют 10% максимальной пропускной способности (для этого набора входных параметров) и 10% минимального времени отклика.

Я знаю, что могу использовать агрегат, чтобы найти максимальную пропускную способность, минимальное время отклика в другом data.frame, а затем соединить его с оригинальным data.frame.Затем я могу использовать ifelse, чтобы найти эти имена протоколов, соответствующие критериям.Однако это мне кажется неэффективным, и я не знаю, как бы я закодировал несколько совпадений (для набора входных значений) в одном столбце.

Есть предложения?

Пример (REQS и REPS являются входными параметрами):

PROTO  REQS  REPS  THR  RT
A      8     8     10   1
B      8     8     9.5  2
C      8     8     7    1.1
A      16    8     10   4
B      16    8     5    1
C      16    8     1    0.5
A      8     16    8    1
B      8     16    10   1.09
C      8     16    9.5  1

Должно выдать что-то вроде:

REQS REPS THRGOOD RTGOOD BOTHGOOD
8    8    A,B     A,C    A
16   8    A       C      empty
8    16   B,C     A,B,C  B,C

Answer 1

ddply из пакета plyr должен быть вашим другом здесь.

Сначала напишите функцию, которая даст вам желаемый результат, если вы хотите получить data.frame только со строками для1 набор входных параметров:

forOneSet<-function(dfr)
{
  THRlim<-0.9*max(dfr$THR) #is this what you want - adapt if needed?
  RTlim<-0.1*min(dfr$RT) #is this what you want - rather unlikely - adapt if needed?
  thrgood<-dfr$PROTO[dfr$THR > THRlim]
  rtgood<-dfr$PROTO[dfr$RT < RTlim]
  bothgood<-union(thrgood, rtgood)
  #return a data.frame with the wanted results for this 'partial' data.frame
  data.frame(REQS=dfr$REQS[1], REPS=dfr$REPS[1], THRGOOD=paste(thrgood, collapse=","), RTGOOD=paste(rtgood, collapse=","), BOTHGOOD=paste(bothgood, collapse=","))
}

Теперь вы можете сразу использовать ddply (я предполагаю, что ваш оригинальный data.frame называется orgdfr):

result<-ddply(orgdfr, .(REQS, REPS), forOneSet)