R中的双索引循环
对于编码爱好者来说，这可能是一个不需要动脑筋的问题，但作为这些工具的新手，这已经困扰了我一段时间了 从本质上说，我有一些化学计量学数据，我希望通过样本分析对一系列空白进行调整。所有输出都有时间戳，我想使用样本和下一个空白之间的间隔与两个连续空白之间的间隔的比例，加上最后一个空白值，作为应用校正因子的简单插值的修改器。当样本时间值晚于第二个空白时，我想增加空白对，这样我就根据新的空白对两个时间段之间的样本进行校正。 我的数据集包含一系列元素，元素之间的空白校正不同。 数据集：R中的双索引循环,r,loops,indexing,R,Loops,Indexing,对于编码爱好者来说，这可能是一个不需要动脑筋的问题，但作为这些工具的新手，这已经困扰了我一段时间了 从本质上说，我有一些化学计量学数据，我希望通过样本分析对一系列空白进行调整。所有输出都有时间戳，我想使用样本和下一个空白之间的间隔与两个连续空白之间的间隔的比例，加上最后一个空白值，作为应用校正因子的简单插值的修改器。当样本时间值晚于第二个空白时，我想增加空白对，这样我就根据新的空白对两个时间段之间的样本进行校正。 我的数据集包含一系列元素，元素之间的空白校正不同。 数据集： Blanks
Blanks
Sample Date/Time Location Li(ppb) Mg(ppb) Ca(ppm) Cr(ppb) Mn(ppb) Co(ppb) Ni(ppb) Cu(ppb) Zn(ppb) Rb(ppb) Sr(ppb) Cd(ppb) Ba(ppb) Ce(ppb) Gd(ppb) Pb(ppb) U(ppb)
1 Blank0 2016-05-23 19:54:33 B 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0 0.000 0.000 0 0.000 0.000
7 Blank1 2016-05-23 20:35:25 B -0.069 0.081 0.005 -0.007 -0.001 0.000 -0.007 0.005 -0.004 0.000 0.005 0 -0.003 0.000 0 0.000 0.005
18 Blank2 2016-05-23 21:50:30 B -0.076 0.743 0.020 -0.005 0.002 -0.001 -0.008 0.002 0.220 0.001 0.042 0 0.008 0.002 0 0.002 0.000
29 Blank3 2016-05-23 23:05:43 B -0.093 -0.080 0.000 -0.020 -0.001 -0.001 -0.010 0.001 -0.009 0.000 -0.001 0 0.001 0.000 0 0.000 0.000
38 Blank4 2016-05-24 00:07:19 B -0.096 -0.045 0.000 -0.015 0.000 -0.001 -0.001 -0.002 0.002 0.000 -0.001 0 0.000 0.000 0 0.000 0.000
Sample Date/Time Location Li(ppb) Mg(ppb) Ca(ppm) Cr(ppb) Mn(ppb) Co(ppb) Ni(ppb) Cu(ppb) Zn(ppb) Rb(ppb) Sr(ppb) Cd(ppb) Ba(ppb) Ce(ppb) Gd(ppb) Pb(ppb) U(ppb)
2 PK-Std1p 2016-05-23 20:01:22 S -0.013 111.10 31.28 1.050 0.121 0.910 0.157 0.134 0.141 0.010 35.28 0.010 0.145 0.113 0.123 0.036 0.897
3 PK-Std2p 2016-05-23 20:08:10 S 0.018 216.60 41.17 5.095 0.491 4.654 0.294 0.533 0.511 0.048 71.03 0.047 0.500 0.456 0.240 0.081 4.497
4 PK-Std3p 2016-05-23 20:14:59 S 0.057 303.90 48.90 9.695 1.215 9.332 0.487 1.294 1.180 0.093 105.30 0.093 1.164 1.128 0.467 0.132 9.057
5 PK-Std4p 2016-05-23 20:21:48 S 0.234 391.80 57.01 14.060 4.903 14.100 0.704 5.100 4.597 0.239 141.40 0.231 4.583 4.556 0.703 0.965 13.730
6 PK-Std5p 2016-05-23 20:28:36 S 0.477 474.20 64.35 29.560 9.621 30.050 0.908 9.985 9.030 0.467 173.20 0.459 8.909 8.956 0.913 4.506 29.350
8 L1W 2016-05-23 20:42:14 L 0.037 141.90 33.48 0.003 0.714 0.020 0.113 0.200 0.217 0.007 72.64 0.001 0.125 0.008 0.001 0.037 0.012
9 L2W 2016-05-23 20:49:03 L 0.023 131.50 38.09 -0.003 0.590 0.014 0.106 0.134 0.694 0.004 75.96 0.001 0.115 0.008 0.001 0.031 0.008
10 L3W 2016-05-23 20:55:54 L 0.078 208.20 52.54 -0.002 0.843 0.021 0.153 0.180 0.119 0.005 110.40 0.002 0.172 0.011 0.001 0.054 0.009
11 L17W 2016-05-23 21:02:43 L 0.025 152.40 38.64 -0.008 0.658 0.016 0.117 0.270 0.121 0.006 82.45 0.001 0.108 0.008 0.001 0.042 0.007
12 L18W 2016-05-23 21:09:32 L 0.070 204.30 54.29 -0.005 1.311 0.023 0.172 0.417 0.197 0.008 117.00 0.002 0.144 0.010 0.001 0.057 0.010
13 L19W 2016-05-23 21:16:21 L 0.045 181.40 51.45 -0.004 0.701 0.020 0.162 0.296 0.160 0.008 109.20 0.001 0.116 0.009 0.001 0.055 0.009
14 L20W 2016-05-23 21:23:09 L 0.022 150.30 38.55 0.000 0.596 0.016 0.118 0.223 0.148 0.007 77.44 0.001 0.114 0.007 0.001 0.048 0.006
15 L21W 2016-05-23 21:29:59 L 0.010 132.70 34.72 -0.006 0.679 0.014 0.110 0.249 0.153 0.007 67.33 0.001 0.098 0.008 0.001 0.034 0.007
16 L23W 2016-05-23 21:36:49 L 0.035 210.00 48.16 0.006 1.230 0.020 0.155 0.370 0.202 0.008 110.20 0.001 0.251 0.012 0.001 0.055 0.010
17 L24W 2016-05-23 21:43:39 L 0.051 193.00 56.83 0.024 0.825 0.024 0.189 0.404 0.205 0.007 113.80 0.002 0.135 0.010 0.001 0.044 0.010
19 N1W 2016-05-23 21:57:20 N 0.041 205.10 49.06 0.005 1.077 0.021 0.157 0.481 0.143 0.006 102.90 0.002 0.145 0.012 0.001 0.049 0.012
20 N4W 2016-05-23 22:04:10 N -0.002 140.90 38.72 0.008 0.887 0.016 0.131 0.312 0.130 0.005 76.39 0.001 0.133 0.010 0.001 0.032 0.011
21 N7W 2016-05-23 22:11:00 N 0.005 134.40 40.92 0.002 0.651 0.019 0.136 0.204 0.122 0.005 90.48 0.002 0.158 0.010 0.001 0.034 0.012
22 N10W 2016-05-23 22:17:50 N 0.010 150.10 40.86 -0.001 0.714 0.018 0.132 0.199 0.089 0.004 81.78 0.001 0.149 0.010 0.001 0.029 0.012
23 N11W 2016-05-23 22:24:40 N 0.028 156.10 43.10 -0.007 0.870 0.019 0.139 0.292 0.099 0.005 89.83 0.001 0.134 0.010 0.001 0.034 0.009
24 N12W 2016-05-23 22:31:31 N 0.015 158.60 43.03 0.019 0.807 0.018 0.145 0.253 0.113 0.006 87.60 0.001 0.117 0.011 0.001 0.039 0.009
25 N13W 2016-05-23 22:38:21 N 0.021 157.50 44.94 0.038 0.833 0.020 0.159 0.245 0.124 0.007 92.04 0.001 0.118 0.011 0.001 0.034 0.011
26 N14W 2016-05-23 22:45:12 N 0.041 171.80 49.04 0.008 1.115 0.020 0.165 0.226 0.123 0.006 109.00 0.002 0.177 0.011 0.001 0.044 0.010
27 N18W 2016-05-23 22:52:02 N 0.050 164.60 49.49 0.019 1.555 0.022 0.162 0.735 2.740 0.006 104.50 0.005 4.152 0.011 0.001 0.180 0.008
28 N23W 2016-05-23 22:58:52 N 0.001 132.30 36.21 -0.008 1.578 0.015 0.110 0.838 3.751 0.004 73.86 0.008 6.080 0.009 0.001 0.257 0.009
30 P10W 2016-05-23 23:12:33 P -0.003 139.50 36.40 -0.005 0.537 0.018 0.123 0.334 0.172 0.005 76.07 0.002 0.127 0.008 0.001 0.033 0.008
31 P16W 2016-05-23 23:19:24 P 0.057 172.90 55.53 -0.003 0.689 0.025 0.186 0.253 0.482 0.004 124.10 0.001 0.122 0.010 0.001 0.041 0.010
32 P17W 2016-05-23 23:26:15 P 0.018 193.80 44.01 0.000 0.780 0.020 0.141 0.269 0.139 0.004 99.34 0.001 0.124 0.011 0.001 0.031 0.010
33 P19W 2016-05-23 23:33:06 P 0.040 181.50 51.98 0.027 0.762 0.026 0.173 0.320 0.191 0.008 108.70 0.002 0.162 0.011 0.001 0.043 0.009
34 P20W 2016-05-23 23:39:57 P 0.049 182.50 53.05 0.007 0.676 0.024 0.180 0.298 0.147 0.007 106.80 0.001 0.133 0.012 0.001 0.033 0.011
35 P21W 2016-05-23 23:46:48 P -0.005 147.60 39.68 0.010 0.701 0.017 0.135 0.240 0.165 0.007 81.14 0.001 0.111 0.009 0.001 0.034 0.008
36 P22W 2016-05-23 23:53:39 P 0.008 181.40 41.83 0.031 0.789 0.026 0.157 0.604 0.295 0.010 92.27 0.002 0.172 0.015 0.002 0.032 0.017
37 P25W 2016-05-24 00:00:30 P -0.016 124.30 31.92 0.028 0.596 0.015 0.104 0.265 0.187 0.004 64.91 0.002 0.080 0.008 0.001 0.049 0.007
39 PK-Std1 2016-05-24 00:14:07 S -0.089 98.38 28.27 0.957 0.125 0.990 0.194 0.156 0.152 0.010 35.49 0.010 0.145 0.116 0.121 0.035 0.890
40 PK-Std2 2016-05-24 00:20:56 S -0.041 198.80 38.35 4.812 0.504 4.968 0.338 0.570 0.527 0.049 71.38 0.051 0.503 0.465 0.237 0.080 4.520
41 PK-Std3 2016-05-24 00:27:45 S 0.012 289.00 46.70 9.434 1.245 9.890 0.555 1.383 1.227 0.094 105.40 0.094 1.191 1.138 0.472 0.134 9.091
42 PK-Std4 2016-05-24 00:34:34 S 0.166 383.40 56.11 13.920 5.029 14.930 0.771 5.473 4.775 0.241 143.00 0.239 4.623 4.637 0.707 0.962 14.120
43 PK-Std5 2016-05-24 00:41:22 S 0.427 462.20 63.08 29.060 9.831 31.610 0.972 10.650 9.258 0.475 174.30 0.461 8.977 9.092 0.916 4.532 29.790
j=1
for (i in 1:nrow(Mdat_samp))
{
divisor<-(as.double(difftime(Blanks[j+1, 2], Blanks[j,2]))-as.double(difftime(Blanks[j+1,2], Mdat_samp[i,2])))/as.double(difftime(Blanks[j+1, 2], Blanks[j,2]))
adjust<- (Blanks[j, 4:20]+(Blanks[j+1, 4:20]*divisor))
write.table((Mdat_samp[i,4:20]-adjust), file="Baseadjust.txt", append=TRUE, col.names=FALSE, row.names=FALSE, sep=",")
if(as.double(difftime(Mdat_samp[j,2], Blanks[j,2]))<0) j=j+1
if(j+1>nrow(Blanks)) break
}
j=1
适用于（i in 1:nrow（Mdat_samp））
{
除数如果我理解正确，计算的关键是为Mdat_samp
中的每一行及时找到括号Blanks
。这是变量j
的含义，它是该括号下界的Blanks
的行索引。您可以为所有行计算该j
Mdat_samp
此括号以“矢量化”方式存在。即，无循环，这也使此计算更快
首先，我们假设Blanks
中的数据按Date/Time
升序排序。此外，我们假设Blanks
和Mdat_samp
中的列Date/Time
都属于日期时间类，如POSIXct
。如果不是，我们可以使用以下方法从字符转换：
Blanks$`Date/Time` <- as.POSIXct(Blanks$`Date/Time`, format="%Y-%m-%d %H:%M:%S")
Mdat_samp$`Date/Time` <- as.POSIXct(Mdat_samp$`Date/Time`, format="%Y-%m-%d %H:%M:%S")
我们首先使用expand.grid
创建两个名为prevBlank
和nextBlank
的数据帧。其中每一个都枚举Mdat_samp
和Blanks
中的Date/Time
的所有组合，以便可以为向量化fa中的Mdat_samp
中的每一行计算括号条件shion.数据框prevBlank
包含Mdat_samp
中Var1
列中的Date/Time
的所有组合，以及Var2
列中的Blanks
的所有组合，按Mdat_samp
中的行顺序排列。同样，数据框nextBlank
包含的所有组合>日期/时间
fromMdat_samp
在其Var1
列中，以及空格
中的Date/Time
列上移了1（即领先）在其Var2
列中。请注意，我们用NA
填充移位列，以便生成的数据帧prevbank
和nextBlank
大小相同
表达式prevBlank$Var1>prevBlank$Var2&nextBlank$Var1请使用dput（）
在您的数据集上，并将结果张贴在此处以使其可复制。此外，您希望的输出是什么？编码爱好者的意思是“热爱编码的人”？什么是if循环
？感谢您重新格式化Nicola，非常感谢，读起来好多了，很想知道您是如何做到的。这是epo3建议的dput（）命令吗？
prevBlank <- expand.grid(Mdat_samp$`Date/Time`, Blanks$`Date/Time`)
nextBlank <- expand.grid(Mdat_samp$`Date/Time`, c(Blanks$`Date/Time`[2:nrow(Blanks)],NA))
j <- which(matrix(prevBlank$Var1 > prevBlank$Var2 &
nextBlank$Var1 <= nextBlank$Var2,nrow=nrow(Mdat_samp)),
arr.ind=TRUE)[,2]
matrix(prevBlank$Var1 > prevBlank$Var2 &
nextBlank$Var1 <= nextBlank$Var2,nrow=nrow(Mdat_samp))
## [,1] [,2] [,3] [,4] [,5]
## [1,] TRUE FALSE FALSE FALSE FALSE
## [2,] TRUE FALSE FALSE FALSE FALSE
## [3,] TRUE FALSE FALSE FALSE FALSE
## [4,] TRUE FALSE FALSE FALSE FALSE
## [5,] TRUE FALSE FALSE FALSE FALSE
## [6,] FALSE TRUE FALSE FALSE FALSE
## [7,] FALSE TRUE FALSE FALSE FALSE
## [8,] FALSE TRUE FALSE FALSE FALSE
## [9,] FALSE TRUE FALSE FALSE FALSE
##[10,] FALSE TRUE FALSE FALSE FALSE
##[11,] FALSE TRUE FALSE FALSE FALSE
##[12,] FALSE TRUE FALSE FALSE FALSE
##[13,] FALSE TRUE FALSE FALSE FALSE
##[14,] FALSE TRUE FALSE FALSE FALSE
##[15,] FALSE TRUE FALSE FALSE FALSE
##[16,] FALSE FALSE TRUE FALSE FALSE
##[17,] FALSE FALSE TRUE FALSE FALSE
##[18,] FALSE FALSE TRUE FALSE FALSE
##[19,] FALSE FALSE TRUE FALSE FALSE
##[20,] FALSE FALSE TRUE FALSE FALSE
##[21,] FALSE FALSE TRUE FALSE FALSE
##[22,] FALSE FALSE TRUE FALSE FALSE
##[23,] FALSE FALSE TRUE FALSE FALSE
##[24,] FALSE FALSE TRUE FALSE FALSE
##[25,] FALSE FALSE TRUE FALSE FALSE
##[26,] FALSE FALSE FALSE TRUE FALSE
##[27,] FALSE FALSE FALSE TRUE FALSE
##[28,] FALSE FALSE FALSE TRUE FALSE
##[29,] FALSE FALSE FALSE TRUE FALSE
##[30,] FALSE FALSE FALSE TRUE FALSE
##[31,] FALSE FALSE FALSE TRUE FALSE
##[32,] FALSE FALSE FALSE TRUE FALSE
##[33,] FALSE FALSE FALSE TRUE FALSE
##[34,] FALSE FALSE FALSE FALSE NA
##[35,] FALSE FALSE FALSE FALSE NA
##[36,] FALSE FALSE FALSE FALSE NA
##[37,] FALSE FALSE FALSE FALSE NA
##[38,] FALSE FALSE FALSE FALSE NA
update.rows <- which(Mdat_samp$`Date/Time` > Blanks$`Date/Time`[1] &
Mdat_samp$`Date/Time` <= Blanks$`Date/Time`[nrow(Blanks)])
divisor<-(as.double(difftime(Blanks[j+1, 2], Blanks[j,2]))-as.double(difftime(Blanks[j+1,2], Mdat_samp[update.rows,2])))/as.double(difftime(Blanks[j+1, 2], Blanks[j,2]))
adjust<- (Blanks[j, 4:20]+(Blanks[j+1, 4:20]*divisor))
result <- Mdat_samp[update.rows,4:20]-adjust
print(head(result[1:8]))
## Li(ppb) Mg(ppb) Ca(ppm) Cr(ppb) Mn(ppb) Co(ppb) Ni(ppb) Cu(ppb)
##1 -0.00149062 111.0865 31.27917 1.051167618 0.1211668 0.91000000 0.1581676 0.1331660
##2 0.04099062 216.5730 41.16833 5.097332382 0.4913332 4.65400000 0.2963324 0.5313340
##3 0.09150000 303.8595 48.89750 9.698500000 1.2155000 9.33200000 0.4905000 1.2915000
##4 0.28000938 391.7460 57.00667 14.064667618 4.9036668 14.10000000 0.7086676 5.0966660
##5 0.53449062 474.1325 64.34583 29.565832382 9.6218332 30.05000000 0.9138324 9.9808340
##6 0.11289989 141.7515 33.47318 0.010453940 0.7148184 0.02009079 0.1207263 0.1948184
##7 0.10579978 131.2841 38.08137 0.004907880 0.5906368 0.01418158 0.1144526 0.1286368
##8 0.16773341 207.9163 52.52954 0.006364040 0.8434544 0.02127281 0.1621825 0.1744544
##9 0.12163330 152.0488 38.62773 0.000817980 0.6582728 0.01636360 0.1269088 0.2642728
##10 0.17353319 203.8814 54.27591 0.004271920 1.3110912 0.02345438 0.1826351 0.4110912
##11 0.15543307 180.9139 51.43410 0.005725860 0.7009097 0.02054517 0.1733614 0.2899097
##12 0.13931609 149.7466 38.53229 0.010178690 0.5957285 0.01663574 0.1300859 0.2167285
##13 0.13423285 132.0790 34.70047 0.004633740 0.6785465 0.01472675 0.1228140 0.2425465
##14 0.16614961 209.3114 48.13864 0.017088790 1.2293645 0.02081776 0.1685421 0.3633645
##15 0.18906637 192.2438 56.80682 0.035543840 0.8241825 0.02490877 0.2032701 0.3971825
##16 0.12544893 204.3643 49.04000 0.011816973 1.0750908 0.02209085 0.1659085 0.4789092
##17 0.09089785 140.1715 38.70000 0.016633946 0.8851817 0.01718170 0.1408170 0.3098183
##18 0.10634678 133.6788 40.90000 0.012450920 0.6492725 0.02027255 0.1467255 0.2017275
##19 0.11979570 149.3861 40.84000 0.011267893 0.7123634 0.01936339 0.1436339 0.1966366
##20 0.14624463 155.3933 43.08000 0.007084866 0.8684542 0.02045424 0.1515424 0.2895458
##21 0.14171416 157.9006 43.01000 0.034906271 0.8055453 0.01954531 0.1584531 0.2504547
##22 0.15616308 156.8079 44.92000 0.055723244 0.8316362 0.02163616 0.1733616 0.2423638
##23 0.18463262 171.1152 49.02000 0.027544649 1.1137272 0.02172723 0.1802723 0.2232728
##24 0.20208154 163.9224 49.47000 0.040361622 1.5538181 0.02381808 0.1781808 0.7321819
##25 0.16153047 131.6297 36.19000 0.015178595 1.5769089 0.01690893 0.1270893 0.8350911
##26 0.10064935 139.5850 36.40000 0.016663961 0.5380000 0.01911093 0.1331109 0.3332219
##27 0.17132468 172.9900 55.53000 0.020331981 0.6900000 0.02622213 0.1962221 0.2524443
##28 0.14300000 193.8950 44.01000 0.025000000 0.7810000 0.02133333 0.1513333 0.2686667
##29 0.17567532 181.6000 51.98000 0.053668019 0.7630000 0.02744453 0.1834445 0.3198891
##30 0.19535065 182.6050 53.05000 0.035336039 0.6770000 0.02555574 0.1905557 0.2981115
##31 0.15202597 147.7100 39.68000 0.040004058 0.7020000 0.01866694 0.1456669 0.2403339
##32 0.17570130 181.5150 41.83000 0.062672078 0.7900000 0.02777814 0.1677781 0.6045563
#333 0.16237662 124.4200 31.92000 0.061340097 0.5970000 0.01688934 0.1148893 0.2657787