使用精确值加上最接近的值进行左连接

Question

我有两个数据集：

table1 <- data.frame(id=c(1000,1001,1002,1003), 
                    date=as.POSIXct(c("2012-05-13","2012-09-23","2011-04-09","2014-11-08"))) 

table2 <- data.frame(id2=c(1000,1000,1001,1002,1003,1003), 
                   date2=as.POSIXct(c("2012-05-13","2012-05-16","2012-09-24","2011-04-15","2014-11-09", "2014-11-10"))) 

我想根据匹配的 ID 和日期对 table1 进行左连接，但并非所有日期都完全匹配，所以我想知道如何根据最近的日期加入日期？例如，对于 id 1001，“2012-09-23”将匹配 id2 1001 的“2012-09-24”，因为它是 id2 的唯一日期，而对于 1003，“2014-11-08”将匹配“2014-11” -09" of 1003 for id2，因为它是最近的一天。

想要的结果：

  id       date      date2
1 1000 2012-05-13 2012-05-13
2 1001 2012-09-23 2012-09-24
3 1002 2011-04-09 2011-04-15
4 1003 2014-11-08 2014-11-09

Answer 1

我还建议您遵循非 equi data.table 连接，但如果您出于某种原因想坚持使用 dplyr 并且您的数据不是很大或者您有足够的内存，你也可以试试：

library(dplyr)

table1 %>%
  left_join(table2, by = c("id" = "id2")) %>%
  group_by(id) %>%
  slice(which.min(abs(date - date2)))

输出：

# A tibble: 4 x 3
# Groups:   id [4]
     id date                date2              
  <dbl> <dttm>              <dttm>             
1  1000 2012-05-13 00:00:00 2012-05-13 00:00:00
2  1001 2012-09-23 00:00:00 2012-09-24 00:00:00
3  1002 2011-04-09 00:00:00 2011-04-15 00:00:00
4  1003 2014-11-08 00:00:00 2014-11-09 00:00:00

Answer 2

使用 data.table 执行滚动连接到最接近的值。 DT1 是通过引用更新的，所以它应该非常快，即使在大/大数据上也是如此

library(data.table)

样本数据

dt1 <- as.data.table(table1)
dt2 <- as.data.table(table2)

代码

dt1[, date2 := dt2[dt1, date2, on = c("id2 == id", "date2 == date"), roll = "nearest"]][]

输出

#      id       date      date2
# 1: 1000 2012-05-13 2012-05-13
# 2: 1001 2012-09-23 2012-09-23
# 3: 1002 2011-04-09 2011-04-09
# 4: 1003 2014-11-08 2014-11-08