R-基于最近日期合并数据框

Question

我有两个数据框：

在 DF1 中，对于每个ID ， param都记录在不同的日期。 在 DF2 中，对于每个ID ，都会给出多个日期。 对于每个ID ，我想从 DF1 中获取所有相应的param和value ，具体取决于日期：对于给定参数，或者与date2 （在DF2中）之前的最新date1 （在DF1中）相对应的value ，或者如果有没有这样的date1 ， date2之后的最新value 。

DF1是（我用 * 标记了结果的正确行）：

  ID      date1 param  value
1 id1   1/1/2020    pA pA_1_1
2 id1   2/1/2020    pA pA_1_2 *
3 id1  17/1/2020    pA pA_1_3
4 id1  20/1/2020    pB pB_1_1 *
5 id1  21/1/2020    pB pB_1_2
6 id2 21/12/2022    pA pA_2_1 *
7 id2 22/12/2022    pA pA_2_2 
8 id2 18/12/2022    pB pB_2_1 *
9 id2 19/12/2022    pB pB_2_2 

DF2是：

   ID      date2
1 id1  15/1/2020
2 id2 20/12/2020

结果应该是：

   ID      date2 param  value      date1
1 id1  15/1/2020    pA pA_1_2   2/1/2020
2 id1  15/1/2020    pB pB_1_1  20/1/2020
3 id2 20/12/2020    pA pA_2_1 21/12/2022
4 id2 20/12/2020    pB pB_2_1 18/12/2022

重现DF1和DF2的代码：

DF1= data.frame(
  stringsAsFactors = FALSE,
                ID = c("id1","id1","id1","id1",
                       "id1","id2","id2","id2","id2"),
             date1 = c("1/1/2020","2/1/2020",
                       "17/1/2020","20/1/2020","21/1/2020","21/12/2022",
                       "22/12/2022","18/12/2022","19/12/2022"),
             param = c("pA", "pA", "pA", "pB", "pB", "pA", "pA", "pB", "pB"),
             value = c("pA_1_1","pA_1_2","pA_1_3",
                       "pB_1_1","pB_1_2","pA_2_1","pA_2_2","pB_2_1","pB_2_2")
)

DF2=data.frame(
  stringsAsFactors = FALSE,
                ID = c("id1", "id2"),
             date2 = c("15/1/2020", "20/12/2020")
)

Answer 1

这是我的解决方案。 我确信有一种方法可以用更少的代码编写这个（使用一个 dataframe 而不是两个和以后合并）。 但我现在不知道。

library(tidyverse)
library(lubridate)
# Get before date2
before <-  DF1 %>%
  left_join(DF2,by = "ID") %>% 
  mutate(diff = dmy(date1)-dmy(date2)) %>% 
  mutate(Grp = data.table::rleid(param)) %>%
  filter(diff < 0) %>%
  group_by(Grp) %>%
  filter(diff == max(diff)) %>% 
  ungroup
# Get after date2
after <- DF1 %>%
  left_join(DF2,by = "ID") %>% 
  mutate(diff = dmy(date1)-dmy(date2)) %>% 
  mutate(Grp = data.table::rleid(param)) %>%
  filter(diff > 0) %>%
  group_by(Grp) %>%
  filter(! Grp %in% before$Grp, diff == min(diff)) %>% 
  ungroup

result <- bind_rows(before,after) %>% 
  select(ID,date2, param, value, date1) %>%
  arrange(ID, param)
 

说明：我正在使用 lubridate 库来比较日期。 我执行相同的过程来创建两个数据帧 - 第一个（在 df 之前）用于完成第一个条件的组（DF1 中最接近的日期在 DF2 中的 date2 之前），第二个（在 df 之后）用于相反的组（最近DF1 中的日期在 DF2 中的 date2 之后）。

我先解释一下：

# Get before date2

    before <-  DF1 %>%
    left_join(DF2,by = "ID") %>% 
    mutate(diff = dmy(date1)-dmy(date2)) %>% 
    mutate(Grp = data.table::rleid(param)) %>%
    filter(diff < 0) %>%
    group_by(Grp) %>%
    filter(diff == max(diff)) %>% 
    ungroup

在这里，我们通过 ID 合并 DF1 和 DF2，因此具有相同 ID 的行具有相同的 date2。 然后，我们计算差异 date1-date2 - 首先我们使用dmy()将字符转换为日期。 因此，date2 之前的日期将是负差。 使用data.table::rleid(param)我们枚举具有不同 ID 和参数的子组，因此我们可以知道子组。 然后我们可以按那时分组并按它们过滤。

在最后：

result <- bind_rows(before,after) %>% 
  select(ID,date2, param, value, date1) %>%
  arrange(ID, param)

我们按行绑定两个 dataframe 和 select 您要查找的列，以删除我们创建用于操作的列（组和过滤器）。 PS：我添加了安排（）以确保最终的 df 按 ID 和参数值排序。