对于 df 中的每一行，提取具有最接近值的观察值 更新数据

问题描述

这是我的示例数据：

  iso3c production reported_by_FAO
   <chr>      <dbl> <chr>          
 1 NOR    10740117. Yes            
 2 TKM    10726360. No             
 3 SYR    10559247. Yes            
 4 ISR    10317065. No            
 5 DOM    10152261. No            
 6 TJK     9741324. Yes            
 7 YEM     9554599. No             

我想mutate一个新列，显示由粮农组织报告的iso3c（即reported_by_FAO ==“Yes”），该列具有每行最接近的生产值。

使用上面创建的示例数据，这就是输出的样子。

  iso3c production reported_by_FAO nearest_iso3c
   <chr>      <dbl> <chr>          <chr>
 1 NOR    10740117. Yes            NOR
 2 TKM    10726360. No             NOR
 3 SYR    10559247. Yes            SYR
 4 ISR    10317065. No             SYR
 5 DOM    10152261. No             SYR
 6 TJK     9741324. Yes            TJK
 7 YEM     9554599. No             TJK

解决方法

如果 'Yes' 的值有任何指示，则根据创建一个带有 'Yes' 的逻辑向量获取累积和，并将其用作分组变量并创建 'nearest' 作为 first 值'iso3c'

library(dplyr)
df1 %>%
   group_by(grp = cumsum(reported_by_FAO == 'Yes')) %>% 
   mutate(nearest = first(iso3c)) %>%
   ungroup %>%
   select(-grp)

-输出

# A tibble: 7 x 4
#  iso3c production reported_by_FAO nearest
#  <chr>      <dbl> <chr>           <chr>  
#1 NOR     10740117 Yes             NOR    
#2 TKM     10726360 No              NOR    
#3 SYR     10559247 Yes             SYR    
#4 ISR     10317065 No              SYR    
#5 DOM     10152261 No              SYR    
#6 TJK      9741324 Yes             TJK    
#7 YEM      9554599 No              TJK    

更新

根据评论，我们可以分别提取'No'、'Yes'元素，使用findInterval获取索引并返回对应的'iso3c'

df1$nearest <- df1$iso3c
ino <- df1$reported_by_FAO == 'No'
iyes <- df1$reported_by_FAO == 'Yes'
df1$nearest[ino] <- sapply(df1$production[ino],function(x) {
     val <- df1$production[iyes]
     df1$iso3c[iyes][order(val)][findInterval(x,val[order(val)]) + 1]
   })

-输出

df1
#  iso3c production reported_by_FAO nearest
#1   NOR   10740117             Yes     NOR
#2   TKM   10726360              No     NOR
#3   SYR   10559247             Yes     SYR
#4   ISR   10317065              No     SYR
#5   DOM   10152261              No     SYR
#6   TJK    9741324             Yes     TJK
#7   YEM    9554599              No     TJK

---

或者另一种选择是获取 absolute 差异并使用 which.min

找到索引

df1$nearest[ino] <- sapply(df1$production[ino],function(x) {
     val <- df1$production[iyes]
     df1$iso3c[iyes][which.min(abs(val -x))]
   })

数据

df1 <- structure(list(iso3c = c("NOR","TKM","SYR","ISR","DOM","TJK","YEM"),production = c(10740117,10726360,10559247,10317065,10152261,9741324,9554599),reported_by_FAO = c("Yes","No","Yes","No")),class = "data.frame",row.names = c("1","2","3","4","5","6","7"))