Si te obligan que lo hagas con bucles y condicionales es posible. Coincido que un join es la mejor opción, pero se puede hacer con estructuras de control explícitas.
Los datos
Sería muy importante que confirmes que tus datos tienen la estructura que los que se están usando de ejemplo y test en este hilo. Por "la misma estructura" me refiero a que tienen las mismas filas y columnas con el mismo tipo de datos en cada una. Caso contrario el código no va a funcionar.
Retomo los datos que creó Rolando, aunque le cambio los nombres.
library(tidyverse)
df1 <- tribble(
~COD , ~LON, ~LAT, ~ALT,
"C037", -289.976, 432.165, 162,
"E000", -274.107, 430.783, 218,
"C038", -228.623, 428.395, 596#Agregue C038
)
df2 <- tribble(#una parte de tu ejemplo
~C037, ~C038,
-9999, -9999,
1.456, -9999,
-9999, -9999,
-9999, -9999
)
df3 <- tribble(
~Date,
"01/01/2000",
"02/01/2000",
"03/01/2000",
"04/01/2000"
)
El bucle con el que lo estabas intentando
La insistencia en que un join es mejor que un bucle va a estar clara acá: uno de los problemas de los bucles es que tenés "decir" explícitamete qué hacer en cada paso y luego dónde y cómo ir guardando el resultado. Por eso corresponden a un paradigma de programación imperativo. El join sería una operación del paradigma declarativo, le indicas a tu función cuál es el resultado que buscas y la funcion se enarga del trabajo engorroso.
Ahora bien, ¿por qué no funciona tu bucle?
- Tiene problemas de sintaxis. Le faltan algunos símbolos para ordenar el código y el intérprete semántico (parser) de R se pierde y no sabe que hacer. La sintaxis básica de un bucle
for
es:
for (indice in iterador) {hacer_algo_con_índice}
Dada esta sintaxis a tu código le faltan una llave {
abriendo dentro del primer bucle y dos llaves }
cerrando al final. Eso sin contar las llaves del if
.
El subset o creación de subconjuntos de datos en R se hace -entre otras maneras, pero esta es la más usual- con los símbolos [ ]
, corchetes. En la línea tres de tu código estás usando paréntesis ( )
. Al usar paréntesis le estás diciento a R que lo que está detrás es una función, no una estructura de datos. Entonces R intenta ejecutar la función df1
con los argumentos (i, 1)
. Obviamente falla, porque no existe tal función.
El output. Usando un bucle for
es necesario explicitar a dónde se va a guardando lo que quieres que te devuelva al final. En términos más técnicos: ir asignando el valor de salida en una nueva estructura de datos.
En tu código no hay nada de esto, por lo tanto aún si funcionara a la perfección no te regresaría nada al final. Haría el procesamiento, pero el resultado se perdería. Veo que incluyes un print
"al final" de tu bucle. Puede ser que eso sea lo que quieres, que el bucle sólo regrese en pantalla el resultado. Es estaría bien para un usuario humano que está leyendo la pantalla, pero no te crearía unos datos de output que pudieras seguir usando después de procesar el bucle. En términos técnicos produce un efecto colateral (side effect), pero no un output propiamente dicho.
En la solución de más abajo eso es lo que hacen los cbind()
y rbind()
de x
, y
, z
y out
, ir armando paso a paso el output final.
El print
de la línea 4 no va a regresar nada. Aún si funcionara agregando la función paste
para que concatene las cadenas de caracteres entrecomilladas te regresaría siempre una constante: "i is 11 is j"
. No tiene mucho caso hacer un bucle para que regrese siempre lo mismo :). Además, como vimos en punto anterior, lo que te interesa es obtener una estructura de datos al final, no la impresión en pantalla. Así que print no se usa, excepto quizás para hacer debuggin del código o como ayuda mientras lo estás construyendo.
for (i in 1:nrow(df1)) #Falta una llave abriendo, si no R no sabe cuando comienza el bucle
for (j in 1:ncol(df2)){ #Es está "bien"
if (df1(i,1)==(df2(1,j)){ #En df1(i, 1) debería ser df1[i,1]
print ("i is 1", "1 is j") #Acá no hay output, de hecho no hay nada.
¿Cómo funcionaría un bucle?
Voy a crear el bucle dentro de una función, para no modificar ni crear estructuras temporales en el entorno global.
La funcion se va a llamar unir
y sirve solamente para est problema u otro exactamente igual. La idea de esto de ver cuan penoso es solucionar este problema con bucles y cuanto más vale la pena invertir tiempo en aprender a usar joins que escribir un bucle que haga lo mismo.
No soluciona el problema de las fechas, para eso abría que abrir otro for
y otro if
. Ya es suficientemente complicado como está.
No dudo que haya una mejor manera de hacerlo con bucles, pero de todos modos no tiene caso mejorarlo, los bucles son una solución suboptima desde cualquier punto de vista.
unir <- function (df1, df2){
out <- data.frame()
for (i in 1:nrow(df1)) {
for (j in 1:ncol(df2)) {
if (df1[i,1] == colnames(df2)[j]) {
x <- as.vector(df1[i,])
y <- as.vector(df2[ ,j]) #Porque si no sale un data.frame
for (k in 1:length(y)){ #Itero dentro del vector
z <- rbind(cbind(x, y[k])) #Armo la estructura de datos
names(z)[ncol(z)] <- "dato_que_interesa_unir" #Porque en cada ciclo hereda un nombre diferente
}
}
}
out <- rbind(out, z) #Uno recursivamente el resultado de cada ciclo del segundo for
}
return(out)
}
unir (df1, df2)
# Resultado
> unir(df1, df2)
COD LON LAT ALT dato_que_interesa_unir
1 C037 -289.976 432.165 162 -9999.000
2 C037 -289.976 432.165 162 1.456
3 C037 -289.976 432.165 162 -9999.000
4 C037 -289.976 432.165 162 -9999.000
5 C037 -289.976 432.165 162 -9999.000
6 C037 -289.976 432.165 162 1.456
7 C037 -289.976 432.165 162 -9999.000
8 C037 -289.976 432.165 162 -9999.000
9 C038 -228.623 428.395 596 -9999.000
10 C038 -228.623 428.395 596 -9999.000
11 C038 -228.623 428.395 596 -9999.000
12 C038 -228.623 428.395 596 -9999.000
Conclusión
merge
y join
sí, bucles no
.
merge
, debería ser muy fácil de escribir y no tendrías que reinventar la rueda... De nuevo, bienvenida.