Question

问题

我正在尝试使用3个ID列合并两个数据帧（或者1列，如果我将3个粘贴在一起），其中一个是日期时间变量，并且可以在两个数据帧之间变化最多1秒。

背景

我从具有交易记录的库中提取了两个数据帧。出于某种原因，结账和签到是单独记录的，没有唯一的交易ID＆＃34;匹配他们。我想要匹配它们。＆＃34;退房＆＃34; dataframe具有已签出的每个项目的记录，包括截止日期（应返回该项目时）。＆＃34;办理登机手续＆＃34; dataframe包含已签入的每个项目的记录，包括截止日期。不幸的是，由于两个原因，我很难将这些数据帧合并在一起：

没有与表匹配的唯一交易ID。（为什么？我不知道。）
＆＃34; due_date＆＃34;对于同一交易，每笔交易的字段最多可以变化一秒。

due_date的变化似乎是随机发生的，因此无法确定两个due_dates相等或相差1秒的记录。否则，我可以减去（或添加）一秒钟以使它们相等。

数据

以下是我正在使用的数据示例：

library(dplyr)
library(lubridate)

check_in <- tribble(
  ~ patron_id, ~item_id, ~checked_in, ~due_date,
    "A", "Z", "2018-04-16 07:00:00", "2018-04-16 08:00:00",
    "A", "Y", "2018-04-17 07:30:01", "2018-04-17 08:30:01",
    "B", "X", "2018-04-17 07:00:01", "2018-04-17 08:00:01",
    "B", "Z", "2018-04-17 08:00:01", "2018-04-17 09:00:01",
    "B", "Z", "2018-04-09 09:00:01", "2018-04-09 10:00:01",
    "C", "V", "2018-04-09 09:00:01", "2018-04-09 10:00:01",
    "C", "X", "2018-04-09 09:00:01", "2018-04-09 10:00:01")

check_out <- tribble(
  ~ patron_id, ~item_id, ~checked_out, ~due_date,
    "A", "Z", "2018-04-16 06:00:00", "2018-04-16 08:00:01",
    "A", "Y", "2018-04-17 06:30:01", "2018-04-17 08:30:00",
    "B", "X", "2018-04-17 06:00:01", "2018-04-17 08:00:00",
    "B", "Z", "2018-04-17 07:00:01", "2018-04-17 09:00:00",
    "B", "Z", "2018-04-09 08:00:01", "2018-04-09 10:00:01",
    "C", "V", "2018-04-09 08:00:01", "2018-04-09 10:00:01",
    "C", "X", "2018-04-09 08:00:01", "2018-04-09 10:00:00")

check_in$due_date <- ymd_hms(check_in$due_date)
check_in$checked_in <- ymd_hms(check_in$checked_in)

check_out$due_date <- ymd_hms(check_out$due_date)
check_out$checked_out <- ymd_hms(check_out$checked_out)

赞助人ID是签出图书的人的唯一ID。商品ID是商品的唯一ID。签出是签出本书的时间。签入是指书籍签入时。截止日期是书籍到期的时间。

对于此样本数据，我将所有截止日期等于结账日期后的2小时。我还在办理退房日期后的1小时内办理了入住日期。

所需输出

我想采取＆＃34; checked_in＆＃34;来自check_in数据帧的变量，并将其与check_out数据帧中的相应事务相匹配。输出将是这样的，但可能有某种生成的事务ID：

desired_output <- tribble(
  ~patron_id, ~item_id, ~checked_out, ~checked_in, ~due_date,
    "A", "Z", "2018-04-16 06:00:00", "2018-04-16 07:00:00", "2018-04-16 08:00:01",
    "A", "Y", "2018-04-17 06:30:01", "2018-04-17 07:30:01", "2018-04-17 08:30:00",
    "B", "X", "2018-04-17 06:00:01", "2018-04-17 07:00:01", "2018-04-17 08:00:00",
    "B", "Z", "2018-04-17 07:00:01", "2018-04-17 08:00:01", "2018-04-17 09:00:00",
    "B", "Z", "2018-04-09 08:00:01", "2018-04-09 09:00:01", "2018-04-09 10:00:01",
    "C", "V", "2018-04-09 08:00:01", "2018-04-09 09:00:01", "2018-04-09 10:00:01",
    "C", "X", "2018-04-09 08:00:01", "2018-04-09 09:00:01", "2018-04-09 10:00:00")

我尝试了什么

ATTEMPT＃1：

我已尝试有条件地合并，如this帖子中所述，并进行了以下修改：

check_out <- check_out %>%
             mutate(transaction_id = paste(patron_id,"-",item_id,sep=""))
check_in <- check_in %>%
              mutate(transaction_id = paste(patron_id,"-",item_id,sep=""))

output <- merge(check_out, check_in, by="transaction_id")[abs(difftime(check_out$due_date, check_in$due_date, units = "secs"))<=1,]

但是这种方法并没有处理相同的交易ID（显然），并创造了比实际更多的记录。

ATTEMPT＃2：

恢复原始数据框，我尝试了this post中的解决方案，并进行了以下修改：

output <- cbind(check_out, check_in[ 
                  sapply(check_out$due_date, 
                    function(x) which.min(abs(difftime(x, check_in$due_date)))), ])

但是这种方法不考虑＆＃34;事务ID＆＃34;，或者更确切地说，我用来创建某种唯一ID的两个关键变量。因此，输出错误。

其他不成功的尝试：

this article中提到的模糊连接。（以及提到的其他基于R的解决方案。）
此response，使用过滤。

不幸的是，我无法让这些工作。我对这些方法的工作原理并没有信心，也没有产生我想要的东西。很可能是用户错误，因为似乎其他人能够得到类似的东西。

感谢

先谢谢你，如果你能帮助我的话。我倾向于使用Tidyverse提供的工具，但我愿意使用其他工具和方法。我试图确保在搜索其他解决方案时做了尽职调查，但如果您发现我错过了重要帖子，请将此标记为重复，并按照我的方式发送该帖子。

如果我能提供任何其他信息或澄清上述任何细节，请告诉我。

Answer 1

会这样：

inner_join(check_in, check_out, by = c("patron_id", "item_id")) %>%
  filter(abs(difftime(due_date.y, due_date.x, units= "secs"))<=as.difftime(1, format = "%S", units = "secs"))

说明：简单连接+过滤时间差<= 1秒

的行

R - 使用键加入数据帧，然后使用近似日期

1 个答案: