किसी अन्य डेटासेट में निकटतम समय पर टाइमस्टैम्प डेटा मिलान करना। उचित वेक्टरकृत? तेज़ तरीका?

Question

मेरे पास एक डेटा फ्रेम में एक टाइमस्टैम्प है जिसे मैं दूसरे डेटाफ्रेम से डेटा निकालने के उद्देश्य से दूसरे डेटाफ्रेम में निकटतम टाइमस्टैंप से मिलान करने का प्रयास कर रहा हूं। मेरे दृष्टिकोण की एक सामान्य उदाहरण के लिए नीचे देखें:

library(lubridate) 

data <- data.frame(datetime=ymd_hms(c('2015-04-01 12:23:00 UTC', '2015-04-01 13:49:00 UTC', '2015-04-01 14:06:00 UTC' ,'2015-04-01 14:49:00 UTC')), 
        value=c(1,2,3,4)) 
reference <- data.frame(datetime=ymd_hms(c('2015-04-01 12:00:00 UTC', '2015-04-01 13:00:00 UTC', '2015-04-01 14:00:00 UTC' ,'2015-04-01 15:00:00 UTC', '2015-04-01 16:00:00 UTC')), 
         refvalue=c(5,6,7,8,9)) 

data$refvalue <- apply(data, 1, function (x){ 
    differences <- abs(as.numeric(difftime(ymd_hms(x['datetime']), reference$datetime))) 
    mindiff <- min(differences) 
    return(reference$refvalue[differences == mindiff]) 
}) 

data 
#    datetime value refvalue 
# 1 2015-04-01 12:23:00  1  5 
# 2 2015-04-01 13:49:00  2  7 
# 3 2015-04-01 14:06:00  3  7 
# 4 2015-04-01 14:49:00  4  8 

यह ठीक काम करता है, को छोड़कर यह बहुत धीमी है, क्योंकि संदर्भ dataframe मेरी वास्तविक दुनिया आवेदन में काफी बड़ी है। क्या यह कोड सही ढंग से वेक्टरकृत है? क्या इस ऑपरेशन को करने का एक तेज, अधिक सुरुचिपूर्ण तरीका है?

Answer 1

मैंने सोचा कि अगर यह गति के लिए एक data.table समाधान से मेल करने में सक्षम होगा का उपयोग कर शामिल हो सकते हैं, लेकिन यह एक आधार-आर vectorized समाधान है जो अपने apply संस्करण को बेहतर प्रदर्शन करना चाहिए। और चूंकि यह वास्तव में कभी दूरी की गणना नहीं करता है, यह वास्तव में डेटा.table-निकटतम दृष्टिकोण से तेज़ हो सकता है। यह अंतराल के मध्य बिंदुओं की लंबाई को सबसे कम संभव मूल्य या अंतराल के प्रारंभिक बिंदु को "मध्य-ब्रेक" का सेट बनाने के लिए जोड़ता है और फिर समय को संसाधित करने के लिए findInterval फ़ंक्शन का उपयोग करता है। यह reference डेटासेट की पंक्तियों में एक उपयुक्त अनुक्रमणिका बनाता है और "refvalue" को data -object पर "स्थानांतरित" किया जा सकता है।

data$reefvalue <- reference$refvalue[ 
         findInterval(data$datetime, 
            c(-Inf, head(reference$datetime,-1))+ 
            c(0, diff(as.numeric(reference$datetime))/2)) ] 
# values are [1] 5 7 7 8 

Answer 2

आप data.table रों रोलिंग की कोशिश "निकटतम" विकल्प

library(data.table) # v1.9.6+ 
setDT(reference)[data, refvalue, roll = "nearest", on = "datetime"] 
# [1] 5 7 7 8