根据一天内的日期匹配R中的列答案

【问题标题】：Match columns in R based on date within one day根据一天内的日期匹配R中的列
【发布时间】：2020-05-20 11:46:24
【问题描述】：

我有两张桌子。第一个表包含我的参考测量值：

> test
        date site value product
A1 2017-06-10    A   0.6  meter1
A2 2017-06-10    B   0.5  meter1
A3 2017-06-11    C   0.5  meter1
A4 2017-06-18    A   0.1  meter1
A5 2017-06-19    B   0.6  meter1
A6 2017-06-19    C   0.6  meter1

第二个表包含第二组来自不同仪器的测量值，这些测量值是在其他日期进行的，可能匹配也可能不匹配。

> test2
         date site value product
B1 2017-06-07    A   0.4  meter2
B2 2017-06-09    B   0.5  meter2
B3 2017-06-09    C   0.6  meter3
B4 2017-06-09    A   0.2  meter2
B5 2017-06-20    B   0.7  meter3
B6 2017-06-23    B   0.5  meter2

我想确定在特定时间间隔内（例如 1 天内）与第一个表匹配的测量值。应该是这样的：

>   test3
        date site value product match
1 2017-06-07    A   0.4  meter2    NA
2 2017-06-09    B   0.5  meter2    A2
3 2017-06-09    C   0.6  meter3    NA
4 2017-06-09    A   0.2  meter2    A1
5 2017-06-20    B   0.7  meter3    A5
6 2017-06-23    B   0.5  meter2    NA

最重要的是，我想将每个测量值与 ggplot 中的参考测量值进行对比。

我尝试了使用 lubridate 的不同方法，但无法正常工作。任何帮助表示赞赏。


  test <- structure(list(date = structure(c(17327, 17327, 17328, 17335,17336, 17336),
                                  class = "Date"),
                 site = c("A", "B", "C", "A","B", "C"),
                 value = c(0.6, 0.5,0.5, 0.1, 0.6, 0.6),
                 product = c("meter1", "meter1", "meter1", "meter1", "meter1", "meter1"))
            , row.names = c("A1", "A2", "A3", "A4", "A5", "A6"),
            class = "data.frame")



  test2 <- structure(list(date = structure(c(17324, 17326, 17326, 17326,17337, 17340),
                                          class = "Date"),
                         site = c("A", "B", "C", "A","B", "B"),
                         value = c(0.4, 0.5,0.6, 0.2, 0.7, 0.5),
                         product = c("meter2", "meter2", "meter3", "meter2", "meter3", "meter2"))
                    , row.names = c("B1", "B2", "B3", "B4", "B5", "B6"),
                    class = "data.frame")

  test3 <- structure(list(date = structure(c(17324, 17326, 17326, 17326,17337, 17340),
                                           class = "Date"),
                          site = c("A", "B", "C", "A","B", "B"),
                          value = c(0.4, 0.5,0.6, 0.2, 0.7, 0.5),
                          product = c("meter2", "meter2", "meter3", "meter2", "meter3", "meter2"),
                          match = c("NA", "A2", "NA", "A1", "A5", "NA")),
                     row.names = c("1", "2", "3", "4", "5", "6"),
                     class = "data.frame")

【问题讨论】：

标签： r date match lubridate

【解决方案1】：

您可能想查看这个 SO 问题，您的问题可能重复：Joining data frames by lubridate date %within% intervals。

在我看来，包裹 {fuzzyjoin} 或 {lubridate} 的 %within% 可能会有所帮助。

这里还有另一个更详细的示例：https://community.rstudio.com/t/tidy-way-to-range-join-tables-on-an-interval-of-dates/7881。

最重要的是，我想绘制每个测量值对照 ggplot 中的参考测量值。

当您以长格式处理数据并在 {ggplot} 中使用组时，这应该很容易。

【讨论】：

这些都是建议，不能用确切的代码回答 OP 的问题。您应该将其添加为评论。
谢谢，fuzzyjoin 成功了。我在下面的解决方案中使用了它。

【解决方案2】：

一种方法是从data.table 与roll = "nearest" 滚动连接。请注意，只有on = 中的最后一个参数是滚动连接。

一个常见的绊脚石是data.table 组合了连接的列，因此您需要先复制它。

library(data.table)
setDT(test); setDT(test2)
test[,date1 := date]
test2[,date2 := date]
test2[test,on = c("site","date"), roll = "nearest"][,diff := abs(date2-date1)][diff <= 1,]
         date site value product      date2 i.value i.product      date1   diff
1: 2017-06-10    A   0.2  meter2 2017-06-09     0.6    meter1 2017-06-10 1 days
2: 2017-06-10    B   0.5  meter2 2017-06-09     0.5    meter1 2017-06-10 1 days
3: 2017-06-19    B   0.7  meter3 2017-06-20     0.6    meter1 2017-06-19 1 days

这会为您提供 test 和 test2 的所有行组合，这些组合在 1 天内。从那里你可以merge 回到test 或者做你想做的任何其他步骤。

matches <- test2[test,on = c("site","date"), roll = "nearest"][,diff := abs(date2-date1)][diff <= 1,]
merge(test,matches[,.(date,site,product,value,date2)],by = c("date", "site"),all.x = TRUE)
         date site value.x product.x      date1 product.y value.y      date2
1: 2017-06-10    A     0.6    meter1 2017-06-10    meter2     0.2 2017-06-09
2: 2017-06-10    B     0.5    meter1 2017-06-10    meter2     0.5 2017-06-09
3: 2017-06-11    C     0.5    meter1 2017-06-11      <NA>      NA       <NA>
4: 2017-06-18    A     0.1    meter1 2017-06-18      <NA>      NA       <NA>
5: 2017-06-19    B     0.6    meter1 2017-06-19    meter3     0.7 2017-06-20
6: 2017-06-19    C     0.6    meter1 2017-06-19      <NA>      NA       <NA>

【讨论】：

这是一个不错的解决方案。也因为它给出了天数的差异。

【解决方案3】：

我使用了受 Benedicts 关于模糊连接的提示启发的以下解决方案：

temp <- test %>% mutate(dateStart = as.Date(date, format = "%m/%d/%Y") - days(1)) %>%
  mutate(dateEnd = as.Date(date, format = "%m/%d/%Y") + days(1))

temp
library(fuzzyjoin)
temp2 <- fuzzy_inner_join(
  test2, temp,
  by = c(
    "site"="site",
    "date" = "dateStart",
    "date" = "dateEnd"),
  match_fun = list(`==`, `>=`, `<=`))
temp2
> temp2
      date.x site.x value.x product.x     date.y site.y value.y product.y  dateStart    dateEnd
1 2017-06-09      B     0.5    meter2 2017-06-10      B     0.5    meter1 2017-06-09 2017-06-11
2 2017-06-09      A     0.2    meter2 2017-06-10      A     0.6    meter1 2017-06-09 2017-06-11
3 2017-06-20      B     0.7    meter3 2017-06-19      B     0.6    meter1 2017-06-18 2017-06-20

然后可以使用以下方法轻松绘制：

ggplot(temp2, aes(value.x, value.y)) +
  geom_point()

【讨论】：