如何在数据集Jon中按test文件区间查找lgmeandiff最大值？

问题说明 #

针对test数据集中的每个from-to区间，在Jon数据集中筛选TTS值处于该区间的行，找出其中lgmeandiff值最大的记录，最终将所有结果汇总输出到文件。

原有代码的问题 #

• 逻辑错误：错误地判断lgmeandiff是否在区间内，实际应筛选TTS落在区间的行
• 效率极低：嵌套循环遍历所有行，大数据场景下性能极差
• 数据拼接混乱：将区间序列与数据框绑定，导致输出结构错误
• 冗余操作：循环内重复生成区间序列，无实际意义

解决方案 #

方法1：dplyr实现（简洁易读） #

借助dplyr的语法简化逻辑，适合中小数据集：

library(dplyr)
library(purrr)

# 遍历test的每个区间，提取对应最大值记录
result <- map_dfr(1:nrow(test), function(i) {
  from_val <- test$from[i]
  to_val <- test$to[i]
  
  Jon %>%
    filter(TTS >= from_val & TTS <= to_val) %>%
    slice_max(lgmeandiff, n = 1) # 若有多个最大值，会保留所有匹配行
})

# 写入输出文件
write.csv(result, "output.csv", row.names = FALSE)

方法2：data.table实现（大数据最优） #

data.table在处理百万级以上数据时性能远超其他方法：

library(data.table)

# 转换为data.table格式
setDT(Jon)
setDT(test)

# 按区间分组处理，提取最大值记录
result <- test[, {
  Jon[TTS >= from & TTS <= to][which.max(lgmeandiff)]
}, by = .(from, to)]

# 高效写入文件
fwrite(result, "output.csv")

方法3：基础R实现（无需额外包） #

如果不想加载第三方包，可使用基础R函数实现：

# 遍历test每行，处理区间筛选
result <- do.call(rbind, apply(test, 1, function(row) {
  from_val <- as.numeric(row["from"])
  to_val <- as.numeric(row["to"])
  
  # 筛选TTS在区间内的行
  match_rows <- Jon$TTS >= from_val & Jon$TTS <= to_val
  if (any(match_rows)) {
    # 找到lgmeandiff最大的行
    max_pos <- which.max(Jon$lgmeandiff[match_rows])
    Jon[match_rows, ][max_pos, ]
  } else {
    # 处理无匹配的情况，返回空行
    data.frame(matrix(NA, nrow = 1, ncol = ncol(Jon), dimnames = list(NULL, colnames(Jon))))
  }
}))

# 写入文件
write.csv(result, "output.csv", row.names = FALSE)

样本验证 #

用你提供的测试数据验证：
test第3行区间358-366，Jon中符合条件的行TTS为358、360、361、363，对应的lgmeandiff最大值是-0.0954，对应TTS=358的行，会被正确提取。

内容的提问来源于stack exchange，提问作者merinakzo