R：組合多個模糊連接

Question

使用 R 編程語言，我有以下兩個表（在我的實際問題中，所有日期都以“因子”類型提供給我）：

table_1 = data.frame(id1 = c("123 A", "123BB", "12 5", "12--5"), id2 = c("11", "12", "14", "13"),
date_1 = c("2010-01-31","2010-01-31", "2015-01-31", "2018-01-31" ))

table_1$id1 = as.factor(table_1$id1)
table_1$id2 = as.factor(table_1$id2)
table_1$date_1 = as.factor(table_1$date_1)

table_2 = data.frame(id1 = c("0123", "1233", "125  .", "125_"), id2 = c("111", "112", "14", "113"),
date_2 = c("2009-01-31","2010-01-31", "2010-01-31", "2010-01-31" ),
date_3 = c("2011-01-31","2010-01-31", "2020-01-31", "2020-01-31" ))


table_2$id1 = as.factor(table_2$id1)
table_2$id2 = as.factor(table_2$id2)
table_2$date_2 = as.factor(table_2$date_2)
table_2$date_3 = as.factor(table_2$date_3)

如果條件 1 或條件 2 為真，我將嘗試執行“內部連接”：

條件_1

• 如果 table_1$id “模糊相等” table_2$id AND

• if table_1$date BETWEEN(table_2$date_2,table_2$date_3)

條件_2

• 如果 table_1$id2 “模糊相等” table_2$id2

現在，我知道如何分兩部分做到這一點：

library(dplyr)
library(fuzzyjoin)

part_1 =  stringdist_inner_join(table_1, table_2, by = "id1", max_dist = 2) %>%
  filter(date_1 >= date_2, date_1 <= date_3) 

part_2 =  stringdist_inner_join(table_1, table_2, by = "id2", max_dist = 2) 

combine = rbind(part_1, part_2)

final = combine[!duplicated(combine[c(1,2,3,4,5,6,7)]),]

我的問題

• 有沒有一種“更好”的方式來運行這個連接，而不是兩個單獨的部分？

• 似乎“part_1”中的 SQL 查詢首先對所有記錄執行模糊聯接，然后只保留滿足日期條件的相關記錄，即filter(date_1 >= date_2, date_1 <= date_3) 。 這似乎是一種低效的做事方式 - 或者這是完成此任務的唯一方法，因為默認情況下必須在所有行上運行模糊連接以查看是否滿足“id”條件，然后只有“日期”條件是否滿足？

謝謝！

Answer 1

如果我們想在循環中執行此操作，請遍歷變量部分，即by

library(purrr)
library(fuzzyjoin)
library(dplyr)
final2 <- map_dfr(c("id1", "id2"),  ~
       stringdist_inner_join(table_1, table_2, by = .x, max_dist = 2)) %>%
       distinct %>%
       arrange(across(everything()))

-檢查

> all.equal(final %>% 
         arrange(across(everything())), final2)
[1] TRUE