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和日期在table1上进行左联接，但是并不是所有的日期都完全匹配，所以我想知道如何才能根据最近的日期联接日期？例如，对于ID 1001，ID2012 100会与“ 2012-09-24”匹配，因为ID2是ID2的唯一日期；对于1003，ID 20141的“ 2014-11-08”将与“ 2014-11”匹配id2是1003的-09“，因为它是最近的一天。

所需结果：

  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

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，因此即使在大数据或大数据上也应非常快

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

Answer 2

我还建议您遵循非等式CreateDocumentQuery的联接，但是如果出于任何原因您想坚持使用data.table并且数据不是很大或者有足够的内存，您也可以尝试：

dplyr

输出：

library(dplyr)

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

用精确值加上最接近的值进行左连接

2 个答案: