0

我有两个数据帧（1 分钟时间点和 26 分钟时间点）。

我有PosX和PosY（在特定时间点检测到的所有细胞的图像中的 X 和 Y 位置）和我感兴趣的读数

随着时间的推移，细胞会轻微迁移。我使用以下方法计算了 X 和 Y (delta_x和delta_y) 的偏移：

delta_x <-  median_x_0nM_26min - median_x_0nM_1min 
delta_y <-  median_y_0nM_26min - median_y_0nM_1min

然后我将此更改添加到我的起始 X 和 Y 值

Xmax <- DF_1min$PosX + delta_x
Xmin <- DF_1min$PosX - delta_x
Ymax <- DF_1min$PosY + delta_Y
Ymin <- DF_1min$PosY - delta_Y

DF_1min <- cbind(DF_1min, Xmax, Xmin, Ymax, Ymin)

如何通过允许落入DF_1min 和 PosY 中的单元格的和范围内以落入 Ymax 和 Ymin 范围内来找到与单元格DF_26min相对应的单元格？DF_1minPosXXmaxXmin

也许更好的解决方案可能是下一个最近邻解决方案，但这听起来可能超出了要求。

我已经在 StackOverflow 上尝试了大量线程问题，但即使有管道，我整个周末都在绞尽脑汁。

非常感谢您花时间阅读这个问题。这对我博士的最后一部分真的很有帮助。

标记。

4

1 回答 1

0

  • 对于在 中查找最近的DF_1min，对于 中的每个单元格位置DF_26min：

    基于欧几里德距离的距离函数，从一个点x到一个集合/数据框df：

    distance <- function(x, df = DF_1min) {
apply( df[,c('PosX','PosY')], 1, function(y) {diff <- (y - x); sqrt(sum(diff^2))} )
                                      }

# calculating nearest/ min distance for every cell position in DF_26min
nearest <- apply( DF_26min, 1, function(y) which.min(x = distance(y)) )

    您还可以检查该dist功能，以便轻松实施其他距离测量。“manhattan”、“canberra”、“binary”或“minkowski”等。

    # Nearest indices from DF_1min and corresponding X, Y positions
DF_26min['Nearest'] <- nearest
DF_26min[,c('Nearest_Pos_X', 'Nearest_Pos_Y')] <- DF_1min[nearest,c('PosX', 'PosY')]

  • 对于在26 min进行检查，如果PosX&在其点的范围内PosY独立且逐点nearest，您可以这样做以获得相等长度的逻辑向量：

    DF_26min[,'X_Inrange'] <- ((DF_26min$PosX >= DF_1min[nearest,'Xmin']) & (DF_26min$PosX <= DF_1min[nearest,'Xmax']))
DF_26min[,'Y_Inrange'] <- ((DF_26min$PosY >= DF_1min[nearest,'Ymin']) & (DF_26min$PosY <= DF_1min[nearest,'Ymax']))
DF_26min[,'PXY_Inrange'] <- (rowSums(DF_26min[,c('X_Inrange','Y_Inrange')]) == 2)

  • 为了在范围内的单元格/位置中找到最近的：NIR

    Nearest_IR <- function(x, df = DF_1min) {

     n <- nrow(df)
     X_Inrange <- ((rep(x[1],n) >= DF_1min[,'Xmin']) & (rep(x[1],n) <= DF_1min[,'Xmax']))
     Y_Inrange <- ((rep(x[2],n) >= DF_1min[,'Ymin']) & (rep(x[2],n) <= DF_1min[,'Ymax'])) 
     XY_Inrange <- (rowSums(cbind(X_Inrange,Y_Inrange)) == 2)  
     distance <- apply( df[,c('PosX','PosY')] , 1 , function(y) {diff <- (y - x) ; sqrt(sum(diff^2))} )

     df_temp <- cbind(ID = seq.int(n), df, XY_Inrange, distance)

     if (sum(df_temp$XY_Inrange == TRUE) == 0 ){
     return (NA)   
     } else {
     NIR <- df_temp$ID[df_temp$distance == min(df_temp$distance[df_temp$XY_Inrange == TRUE])]
     return (NIR)  }  
                                          }

DF_26min[,'Nearest_IR'] <- apply( DF_26min, 1, Nearest_IR )

DF_26min[,c(1:3,8,9)]
# PosX  PosY    Nearest PXY_Inrange Nearest_IR
# 1.0   0.0     5           FALSE   NA
# 2.0   1.0     2           TRUE    2
# 1.5   2.0     3           TRUE    3
# 2.2   0.5     4           FALSE   5

    数据： 

    DF_26min = data.frame(PosX = c(1,2,1.5,2.2) , PosY = c(0,1,2,0.5))
DF_1min <- data.frame(PosX = c(4.2,2.1,1.8,2.1,2.05) , PosY = c(0.2,1.1,2.15,0.6,0.5))
DF_1min['Xmin'] <- DF_1min['PosX']*0.8
DF_1min['Xmax'] <- DF_1min['PosX']*1.1
DF_1min['Ymin'] <- DF_1min['PosY']*0.9
DF_1min['Ymax'] <- DF_1min['PosY']*1.2
于 2018-06-11T00:49:58.960 回答