Соединение двух наборов данных с ближайшим временем начала с интервальным нечетким соединением - PullRequest
Новая
       50

Соединение двух наборов данных с ближайшим временем начала с интервальным нечетким соединением

2 голосов
/ 03 мая 2019

Я пытаюсь объединить два больших набора данных в R с помощью 'fuzzyjoin: interval_inner_join'. моя цель состоит в том, чтобы соединить их с таблицей в ближайшее время начала и окончания. 

# first dataset

viewing <- data.frame(stringsAsFactors=FALSE,
                 id = c("100-16", "100-16", "100-16", "100-16", "100-16",
                        "100-16", "100-16", "100-16", "100-16", "100-16"),
      start_utc_day = c("2019-05-01", "2019-05-01", "2019-05-01", "2019-05-01",
                        "2019-05-01", "2019-05-01", "2019-05-01", "2019-05-01",
                        "2019-05-01", "2019-05-01"),
   start = c("7:18:45", "7:27:30", "7:59:30", "8:37:30", "8:41:15",
                        "8:47:15", "8:52:45", "8:55:30", "8:57:45", "9:05:00"),
     end = c("7:26:15", "7:59:15", "8:33:45", "8:40:30", "8:43:15",
                        "8:50:15", "8:55:15", "8:57:00", "9:00:00", "9:07:00")
)

# second dataset
location <- data.frame(stringsAsFactors=FALSE,
                 id = c("100-16", "100-16", "100-16", "100-16", "100-16",
                        "100-16", "100-16", "100-16", "100-16", "100-16"),
               code = c("IN", "IN", "IN", "IN", "IN", "IN", "IN", "IN", "IN",
                        "IN"),
            utc_day = c("2019-05-01", "2019-05-01", "2019-05-01", "2019-05-01",
                        "2019-05-01", "2019-05-01", "2019-05-01", "2019-05-01",
                        "2019-05-01", "2019-05-01"),
   start = c("7:13:30", "7:17:00", "7:22:00", "7:41:00", "8:14:15",
                        "8:33:45", "8:43:00", "9:08:45", "9:21:15", "9:32:00"),
     end = c("7:15:30", "7:20:30", "7:31:00", "7:43:00", "8:15:45",
                        "8:35:15", "8:45:30", "9:12:15", "9:23:00", "9:35:15")
)

Ссылаясь на Эта ссылка Я пытался использовать interval_semi_join: 

library(fuzzyjoin)
interval_semi_join(viewing,location, minoverlap = 3)

но получил эту ошибку 

Joining by: c("id", "start", "end")

Ошибка в index_match_fun (d1, d2):
interval_join должен объединяться ровно в двух столбцах (начало и конец)

1 Ответ

1 голос
/ 03 мая 2019

Рассмотрите возможность создания соответствующих полей даты / времени, а затем запустите нечеткое соединение. Символьные столбцы нельзя использовать для сравнения или сопоставления числовых интервалов. 

viewing <- within(viewing, {
   end_dt_time <- as.POSIXct(paste(start_utc_day, end), format="%Y-%m-%d %H:%M:%S") 
   start_dt_time <- as.POSIXct(paste(start_utc_day, start), format="%Y-%m-%d %H:%M:%S")
})

location <- within(location, {
   end_dt_time <- as.POSIXct(paste(utc_day, end), format="%Y-%m-%d %H:%M:%S") 
   start_dt_time <- as.POSIXct(paste(utc_day, start), format="%Y-%m-%d %H:%M:%S")
})

interval_semi_join(viewing, location, by=c("start_dt_time", "end_dt_time"), minoverlap=3)
...