Question

我有两个R表，每个表都有一个用户列表和一个时间戳，对应于他们采取某个操作的时间。

这两个表中的第一个（df1）两个表都有详尽的用户列表，用户将有多个具有不同时间戳的行。

第二个（df2）将有一个更有限的用户列表，但用户将再次使用不同的时间戳在表中。

我希望能够做的就是加入这两个表格，最后得到的表格与df1中与df2中最接近的时间戳匹配的用户匹配，只要df2中的时间戳发生在 <{strong>} df1之后的。

例如，如果我有两个表，如：

df1 <- data.frame(c(1,1,2,3), as.POSIXct(c('2016-12-01 08:53:20', '2016-12-01 12:45:47', '2016-12-01 15:34:54', '2016-12-01 00:49:50'))) names(df1) <- c('user', 'time') df2 <- data.frame(c(1,1,3), as.POSIXct(c('2016-12-01 07:11:01', '2016- 12-01 11:50:11', '2016-12-01 01:19:10'))) names(df2) <- c('user', 'time')

给我们：

> df1 user time 1 1 2016-12-01 08:53:20 2 1 2016-12-01 12:45:47 3 2 2016-12-01 15:34:54 4 3 2016-12-01 00:49:50 > df2 user time 1 1 2016-12-01 07:11:01 2 1 2016-12-01 11:50:11 3 3 2016-12-01 01:19:10

我希望得到的输出看起来像：

user time_1 time_2 1 2016-12-01 08:53:20 2016-12-01 11:50:11 1 2016-12-01 12:45:47 NA 2 2016-12-01 15:34:54 NA 3 2016-12-01 00:49:50 2016-12-01 01:19:10

我非常坚持让这个联盟得以解决。作为额外的复杂层，我喜欢它，如果有一个参数控制时间窗口以允许匹配（即，如果它在df2分钟内，则只加入X的行。 df1），但实际上这是主要问题的次要因素。

Answer 1

第1部分 - 原始问题

您的问题的第一部分可以使用sqldf包来回答。

library(sqldf)
df3 <- sqldf("SELECT * FROM df1 a 
             LEFT JOIN df2 b ON a.time < b.time 
             AND a.user = b.user")[,c(1:2, 4)]

#rename to match OP post
names(df3) <- c("user", "time_1", "time_2")

> df3
  user              time_1              time_2
1    1 2016-12-01 08:53:20 2016-12-01 11:50:11
2    1 2016-12-01 12:45:47                <NA>
3    2 2016-12-01 15:34:54                <NA>
4    3 2016-12-01 00:49:50 2016-12-01 01:19:10

第2部分 - 时间窗

如果您想要一个允许匹配的时间窗口，您可以在SQL语句中减去秒数，如下所示：

df3 <- sqldf("SELECT * FROM df1 a 
             LEFT JOIN df2 b ON a.time < (b.time - 10000)
             AND a.user = b.user")[,c(1:2, 4)]
> df3
  user                time              time.1
1    1 2016-12-01 08:53:20 2016-12-01 11:50:11
2    1 2016-12-01 12:45:47                <NA>
3    2 2016-12-01 15:34:54                <NA>
4    3 2016-12-01 00:49:50                <NA>

注意，无论您从b.time中选择什么，都会在秒中。

Answer 2

这是一个# load data.table and make cast data.frames as data.tables library(data.table) setDT(df1) setDT(df2) # add time variables, perform join and removing merging time variable dfDone <- df2[, time2 := time][df1[, time1 := time], on=.(user, time > time)][, time:= NULL] dfDone user time2 time1 1: 1 2016-12-01 11:50:11 2016-12-01 08:53:20 2: 1 <NA> 2016-12-01 12:45:47 3: 2 <NA> 2016-12-01 15:34:54 4: 3 2016-12-01 01:19:10 2016-12-01 00:49:50解决方案。

setcolorder

如果您想订购列，可以使用setcolorder(dfDone, c("user", "time1", "time2")) dfDone user time1 time2 1: 1 2016-12-01 08:53:20 2016-12-01 11:50:11 2: 1 2016-12-01 12:45:47 <NA> 3: 2 2016-12-01 15:34:54 <NA> 4: 3 2016-12-01 00:49:50 2016-12-01 01:19:10

public String getQuote(String[] quotes, int indexPosition)

如何在时间列上组合基于R数据帧的约束

2 个答案:

第1部分 - 原始问题

第2部分 - 时间窗