更快的嵌套循环R

我想加快我在R中的解决方案

我有两个数据帧，假设： df_one：

A | B | C | D | same
1 | 3 | 2 | 4 | NA
6 | 5 | 1 | 3 | NA
5 | 3 | 7 | 3 | NA
3 | 4 | 8 | 3 | NA

和df_2：

A | B 
1 | 3
6 | 2 
5 | 3 

如果A列和B列中的两个实例相同（或按.5的顺序），我想要1，否则在df_one（df_one$same）的额外列中需要0

我使用以下代码执行此操作：

df_one$same <- NA

for (i in 1:nrow(df_one)) {
  for (j in 1:nrow(df_two)) {
    distance <- seq(df_two[j, 2]-.5, df_two[j, 2]+.5, by = .1)
    print(i)
    if ((df_one[i, 1] == df_two[j, 1]) & (df_one[i, 2] %in% df_two[i, 2])){
      df_one[i, 5] <- 1
      break}
    else{df_one[i, 5] <- 0}
  }
}

---

df_one$same对于我认为您提出的问题，一个更快的解决方案是使用
left_-join
from
dplyr
并明确检查匹配项

left_join(df_one, df_two, by = "A") %>%
  mutate(same = B.x == B.y)

给予

对于我认为您提出的问题，一个更快的解决方案是使用
dplyr中的
left\u join
，并明确检查匹配项

left_join(df_one, df_two, by = "A") %>%
  mutate(same = B.x == B.y)

给予

进行
合并
，然后比较列，这将比使用循环快得多。您的代码不可复制，您想要的行为也不清楚<代码>小时数未定义，不清楚您试图实现的目标。有关如何编写一个好的R问题的更多信息，请参阅执行
合并
，然后比较列，这将比使用循环快得多。您的代码不可复制，您想要的行为也不清楚<代码>小时数未定义，不清楚您试图实现的目标。有关如何编写好的R问题的更多信息，请参阅