Question

我有一个包含两列的表（学生ID和注册日期）

      ID             EnrollDate
      1332           12/21/2005
      2322           10/30/1995
      1343           05/29/1990

我有另一个包含三列（Student Id，Date1和State）的表

      ID             Date1         State
      1332           12/16/2005    MO
      1332           12/12/2005    AL
      2322           10/30/1995    AK
      1343           02/01/1990    LO
      1343           03/15/1990    LO
      1343           03/05/1990    GA

我正在尝试基于这种逻辑创建第三个表。

检查表2中是否有重复Id的观察
如果找到具有重复Id的观察，则检查其Date1值 EnrollDate为该Id。例如：表2中的观察1和2是重复的，因为相同的id（1332），现在为了决定消除哪个观察，请检查此Id的Date1 （12/16/2005＆amp; 12/12/2005）与EnrollDate表1中的相同Id（1332）（2005年12月16日）。
对于这对副本，只保留来自table2的Date1观察最接近EnrollDate 即保留表2中的第一个观察值，因为12/16/2005更接近于 2005年12月21日

同样，只有第五个观察结果保留在表2中，第四个和第六个观察结果保留因为这对具有重复id（1343）的观察而被丢弃， 03/15/1990更接近于05/29/1990。

输出应该如下所示。

       ID             Date1         State
      1332           12/16/2005    MO
      2322           10/30/1995    AK
      1343           03/15/1990    LO

需要这种逻辑的帮助。

Answer 1

你可以尝试

library(dplyr)
left_join(df1, df2, by='ID') %>% 
             group_by(ID) %>% 
             mutate(diff=  abs(as.Date(Date1, '%m/%d/%Y')- 
                             as.Date(EnrollDate, '%m/%d/%Y'))) %>% 
             filter(diff==min(diff)) %>% 
             select(-EnrollDate, -diff)
#    ID      Date1 State
#1 1332 12/16/2005    MO
#2 2322 10/30/1995    AK
#3 1343 03/15/1990    LO

将日期与参考日期进行比较并保留最接近的日期

1 个答案: