R: Объединить строки в таблице поиска на основе ближайшего совпадения и точного совпадения для двух значений в каждой строке

Question

У меня есть таблица с координатами lat lon мильпостов на трассах в моем штате. Я хочу использовать эту таблицу в качестве справочной таблицы. У меня есть вторая таблица с столбцами milepost и шоссе. Я хочу назначить столбцы lat lon для второй таблицы, основываясь на ближайшей вехе на трассе шоссе.

В обеих таблицах столбец шоссе-маршрута назван routeID, а столбец milepost - milePost.

(Обычно я работаю с node.js, поэтому, пожалуйста, прости мои ограниченные знания по номенклатуре и синтаксису R).

Я пытался сделать это разными способами, но я не могу добиться желаемого результата. Например, ниже приведена функция, которую я построил для перебора всех значений milepost. Я попытался сузить цикл значений, отфильтровав таблицу по routeID.

Следующий код очень не хватает. Я делюсь этим, чтобы вы поняли, как я подхожу к проблеме, но я хотел бы получить совет о том, как я могу изменить свой подход. Какой лучший способ сделать это? Я использовал пакет dplyr.

Таблицы в консоли:

> lookup
     routeID1 milePost1   lon      lat      tz              routeID milePost
      <chr>    <fctr>    <dbl>    <dbl>    <chr>             <dbl>   <dbl>
1:    I 019    102.08 -110.9789 32.19912 America/Phoenix      19   102.08
2:    I 019    000.00 -110.9412 31.33468 America/Phoenix      19     0.00
3:    I 019    069.69 -110.9835 31.90669 America/Phoenix      19    69.69
4:    I 019    042.43 -111.0628 31.67479 America/Phoenix      19    42.43
  ---                                                                       
8684: S 064    280    -111.6610 35.93829 America/Phoenix      64   280.00
8685: S 064    200    -112.1715 35.46088 America/Phoenix      64   200.00

> dataTable 
         date        time       routeID milePost     county_name
        <date>     <S3: hms>     <dbl>   <dbl>        <chr>
1:      2015-04-01 07:25:00       93       33         Mohave County
  ---   
450040: 2015-09-30 12:55:00       353      80         Cochise County               
450041: 2015-09-30 21:10:00       NA       NA         Maricopa County               
450042: 2015-09-30 22:55:00       17      204         Maricopa County                  

Функция:

loop <- function(x,y){
  i<-0
  for(mile in x){

    i<-i+1

# filter to only rows that match dataTable$routeID 
  filt_Lookup <- lookup%>%filter(routeID == y[i])

# find index of closest matching milepost in filt_Lookup 
  index <-  which.min(abs(filt_Lookup$milePost - mile))

#use that index to find the corresponding lat coordinate 
  w<-filt_Lookup[index]$lat

  w
  } 
}

q <- dataTable%>%mutate(lat=loop(milePost, routeID))

В настоящее время моя функция не добавляет новый столбец значений широты, который соответствует dataTable$routeID каждой строке и ближайшим dataTable$milePost значениям.

Мои ожидаемые результаты могли бы сделать это, добавив столбец lat, например:

> q 
         date        time       routeID milePost     county_name        lat
        <date>     <S3: hms>     <dbl>   <dbl>        <chr>            <dbl>
1:      2015-04-01 07:25:00       93       33         Mohave County   31.67479
  ---   
450040: 2015-09-30 12:55:00       353      80         Cochise County  35.46088             
450041: 2015-09-30 21:10:00       NA       NA         Maricopa County    NA             
450042: 2015-09-30 22:55:00       17      204         Maricopa County 35.46088

Примечание: приведенные выше значения lat являются просто заполнителями и не обязательно соответствуют. Мне нужно добавить соответствующие значения lon.

Двойной ответ на вопрос: он уникален, потому что мне нужно объединить строки с точным routeID соответствием и самым близким milePost соответствием.

Answer 1

образец данных

взято из комментария, слегка изменено

library(data.table)
lookup <- data.table(routeID = c( 19,19,64,64), milePost = c( 102,0,69.69,42.43), lat = c( 32.19912,31.33468,35.93829,35.46088), lon = c( -110.9789,-110.9412,-111.6610,-112.1715) ) 
dataTable <- data.table( date = c("2015-04-01", "2015-09-30", "2015-09-30","2015-09-30", "2015-10-03", "2015-11-03"), 
                         time = c("05:25:00","07:25:00","07:25:45","04:4:00","02:29:00","07:25:44"), 
                         routeID = c( 19,19,64,64,NA,64), 
                         milePost = c( 100,1,70,40,NA,70) )

код

на последних ключах присоединяемых data.tables выполняется скользящее соединение. Поэтому установите RouteId в качестве первого ключа и milePost в качестве второго

setkey( lookup, routeID, milePost )
setkey( dataTable, routeID, milePost )

затем выполните соединение Rollin Gupdate, где вы соединяете столбцы lat, lon и Milepost из таблицы lookup в таблицу dataTable.

#rolling update join on dataTable
dataTable[ lookup, 
           `:=`( lat = i.lat, 
                 lon = i.lon, 
                 milePost.lookup = i.milePost), 
           roll = "nearest" ][]

выход

#          date     time routeID milePost      lat       lon milePost.lookup
# 1: 2015-10-03 02:29:00      NA       NA       NA        NA              NA
# 2: 2015-09-30 07:25:00      19        1 31.33468 -110.9412            0.00
# 3: 2015-04-01 05:25:00      19      100 32.19912 -110.9789          102.00
# 4: 2015-09-30  04:4:00      64       40 35.46088 -112.1715           42.43
# 5: 2015-09-30 07:25:45      64       70 35.93829 -111.6610           69.69
# 6: 2015-11-03 07:25:44      64       70       NA        NA              NA