私は、指定された誤差の範囲で測定値を含むRの2つ以上のデータフレームを結合(またはおそらくマージ)する方法を探しています。つまり、「by」列の値はnnn.nnnn +/- 0.000nになります。エラー許容値は、値の3〜6倍に制限されています。エラー範囲の測定値によるデータフレームの結合
これは今まで私の最高の試みです。
newDF < - left_join(P0511_480k、P0511_SF00V、= Cによる(P0511_480k $ MZ ==(P0511_SF00V $ MZ - 0.000003(P0511_480k $ MZ)):(P0511_SF00V $ MZ + 0.000003(P0511_480k $ MZ))))
この式では、2つのデータフレーム(P0511_480kとP0511_SF00V)があり、それらを "mz"という列でマージしたいと考えています。値の許容範囲は、正または負の "m.z"倍0.000003です。たとえば、P0511_480k_subset $ m.z = 187.06162は、P0511_SF00V_subset $ m.z = 187.06155と一致する必要があります。
> dput(head(P0511_480k_subset, 10))
structure(list(m.z = c(187.06162, 203.05652, 215.05668, 217.07224,
279.05499), Intensity = c(319420.8, 288068.9, 229953, 210107.8,
180054), Relative = c(100, 90.18, 71.99, 65.78, 56.37), Resolution = c(394956.59,
415308.31, 387924.91, 437318.31, 410670.91), Baseline = c(2.1,
1.43, 1.69, 1.73, 3.04), Noise = c(28.03, 27.17, 27.52, 27.58,
29.37)), .Names = c("m.z", "Intensity", "Relative", "Resolution",
"Baseline", "Noise"), class = c("tbl_df", "data.frame"), row.names = c(NA,
-5L))
と
> dput(head(P0511_SF00V_subset, 10))
structure(list(m.z = c(187.06155, 203.05641, 215.05654, 217.0721
), Intensity = c(1021342.8, 801347.1, 662928.1, 523234.2), Relative = c(100,
78.46, 64.91, 51.23), Resolution = c(314271.88, 298427.41, 289803.97,
288163.63), Baseline = c(6.89, 10.47, 9.13, 8.89), Noise = c(40.94,
45.98, 44.3, 44.01)), .Names = c("m.z", "Intensity", "Relative",
"Resolution", "Baseline", "Noise"), class = c("tbl_df", "data.frame"
), row.names = c(NA, -4L))
私はあなたの提案に感謝!私はできるだけ広範囲にヘルプドキュメントを検索し、私が必要とするものに近い例を見つけることができませんでした。
多くの感謝!
'dput()'または 'dput(head(df、20)) 'を使ってデータ(またはそのサブセット)を入力してください。また、乗算を行うときには(*がカッコの前にあっても) '*'を指定する必要があります。 – etienne
[* fuzzyjoin *パッケージ](https://github.com/dgrtwo/fuzzyjoin)をチェックしてください。 dplyrの結合操作のバリエーションです。 – aosmith
私は 'data.table :: foverlaps()'のようなものが必要だと思います。データと期待される出力を提供します。 – zx8754