为什么我的 left.join 失败？索引问题？

Question

我需要对数百万行数据应用优化函数，该函数根据两个输入变量返回一个数字。使用 mapply 应用该函数需要很长时间。由于数据中的值范围有限且有大量重复，因此我认为为可能的输入组合的整个范围创建一个查找表会更快，然后只需使用 dplyr 的联接来填充数据。由于查找表（实际上是数据框）中的一些奇怪行为，我的尝试失败了。下面是一个可重复的示例。我试图理解为什么我无法引用查找表中的某些值，但其他值可以正常工作。

## build a lookup table with three columns
lookup <- transform(expand.grid(0:180, seq(0, 35, by=0.1)), v=0)
colnames(lookup) <- c("d", "s", "v")
lookup$v <- 1:nrow(lookup)

## generate some fake data with random values
set.seed(42)  ## for sake of reproducibility
data <- data.frame(d=sample(lookup$d, 1000, replace=TRUE), 
                  s=round(runif(n=1000, min=0, max=35), 1))

## left join gives a lot of NAs 
joined <- dplyr::left_join(x=data, y=lookup, by=c('d', 's'))
joined[1:20, ]
#      d    s     v
# 1   53  5.3    NA
# 2  124 20.2    NA
# 3  172 21.5 39088
# 4  137  5.3    NA
# 5   52 18.8 34081
# 6   67 20.0 36268
# 7   87 21.1 38279
# 8   64 29.4    NA
# 9   97 18.5 33583
# 10 159  8.6 15726
# 11  40 10.4 18865
# 12 138 29.6 53715
# 13  33 15.7    NA
# 14 171 24.4    NA
# 15 126 33.2 60219
# 16 120 20.1 36502
# 17  15 17.3 31329
# 18 104 17.4    NA
# 19  34  3.3    NA
# 20  92 33.6 60909

## unable to reference certain values...
lookup$v[which(lookup$d == 177 & lookup$s == 8.2)]
#integer(0)

## ...even though they exist
lookup[15020,]
#      d   s   v
#15020 177 8.2 15020

## other values are OK
lookup$v[which(lookup$d == 177 & lookup$s == 8.3)]
#[1] 15201

Answer 1

您可以使用

merge(., sort=FALSE)

来获得您想要的结果。

> joined <- merge(data, lookup, sort=FALSE) 
> joined[1:20, ]
     d    s     v
1   81 23.8 43160
2   67 15.1 27399
3  158 28.4 51563
4   11 31.5 57027
5   69 30.4 55094
6   62 14.5 26308
7   99 25.0 45350
8  136 26.6 48283
9   92 24.8 44981
10  25 11.0 19936
11  35 20.8 37684
12  88 13.8 25067
13  83 18.0 32664
14  43 14.1 25565
15 133  7.3 13347
16  48 34.5 62494
17  46 34.5 62492
18  16 33.9 61376
19 145  7.5 13721
20  69 13.9 25229

对于你的第二个问题，请注意，你正在处理浮点精度，因此没有得到你期望的结果，

> lookup[15020, ]
        d   s     v
15020 177 8.2 15020
> lookup$s[15020] == 8.2
[1] FALSE

在这个答案中阅读更多相关信息。