如何从两个不同的数据帧和子集中查找重叠的日期

我想使用数据帧 A 中的日期查找该日期 180 天内的任何日期，以选择数据帧 B 中具有匹配 ID 的行。

eg.

Dataframe A
ID  Date A
42  2012-07-21
42  2013-04-12
167 2009-04-27
167 2010-04-19
105 2010-12-16
105 2012-01-05


Dataframe B
ID Date B
12 2016-09-08
35 2008-02-02
42 2012-01-09
42 2013-03-13
167 2010-08-02
105 2010-11-26
105 2011-08-12
105 2011-11-11
105 2013-03-15
105 2013-09-13

我想创建一个数据框，提供最接近的日期组合，并确保序列中至少有 3 个日期 B。因此，日期 A 是参考日期，第一个日期 B 需要在日期 A 的 180+/- 范围内，并且至少有两个后续日期。 如果有两个以上潜在的日期 A 和 B 组合，我会选择保留至少 3 个日期 B 的组合作为首选。

ID  Date A        Date B
105 2012-01-05    2011-11-11
105 2012-01-05    2013-03-15
105 2012-01-05    2013-09-13

如果你有大数据，我建议使用 data.tables滚动连接 instead

假设这些是您的数据集

dfa <- read.table(text = "ID  Date
                  42  '2012-07-21'
                  42  '2013-04-12'", header = TRUE)

dfb <- read.table(text = "ID Date
                  12 '2016-09-08'
                  35 '2008-02-02'
                  42 '2012-01-09'
                  42 '2013-03-13'", header = TRUE)

我们将它们转换为 data.tables 并转换Date列至IDate class

library(data.table) #1.9.8+
setDT(dfa)[, Date := as.IDate(Date)]
setDT(dfb)[, Date := as.IDate(Date)]

然后，只需加入即可（您可以双向进行滚动加入）

# You can perform another rolling join for `roll = -180` too
indx <- dfb[
            dfa, # Per each row in dfa find a match in dfb
            on = .(ID, Date), # The columns to join by
            roll = 180, # Rolling window, can join again on -180 afterwards
            which = TRUE, # Return the row index within `dfb` that been matched
            mult = "first", # Multiple match handling- take only the first match
            nomatch = 0L # Don't return unmatched indexes (NAs)
           ]

dfb[indx]
#    ID       Date
# 1: 42 2013-03-13

实现此目的的另一种方法是使用 data.tablesnon-equi加入功能日期+-180（手动创建）列

# Create range columns
dfa[, c("Date_m_180", "Date_p_180") := .(Date - 180L, Date + 180L)]

# Join away
indx <- dfb[dfa, 
            on = .(ID, Date >= Date_m_180, Date <= Date_p_180), 
            which = TRUE, 
            mult = "first",
            nomatch = 0L]
dfb[indx]
#    ID       Date
# 1: 42 2013-03-13

两种方法都应该几乎立即处理大型数据集