按组和最接近的整数值合并

Question

我有两个要合并的数据框，如下所示：

df1 <- data.table(
  
  color = c("Green", "Green", "Red","Red"),
  year = c(1995, 2001,2010,1997)
)


df2 <- data.table(
  color = c("Green", "Green", "Red", "Blue"),
  value = 1:4,
  year = c(1996, 2002, 2001, 2003)
)

我想合并这些，以便保留 df1 中的所有观测值，但它们仅与颜色组内具有最接近年份值的 df2 中的观测值配对。 我最好使用

tidyverse

来实现此目的。

我试过这个：

df1 %>%
  inner_join(df2, by = 'color', suffix = c('.1', '.2')) %>%
  group_by(color) #%>%
  filter(abs(year.1 - year.2) == min(abs(year.1 - year.2)))

但是，这让我只能对每种“颜色”进行一次观察，而不是 df1 中的所有观察结果。如何合并以便保留 df1 的所有观测值，并且仅按颜色和最接近的年份值进行合并？另外，是否可以将其指定为最近的一年之前/之后/其中之一？

结果应如下所示：

  df3 <- data.table(
  
  color = c("Green", "Green", "Red","Red"),
  year = c(1995, 2001,2010,1997),
  value = c(1,2,3,3)
)

Answer 1

对于“最近”的一年，我们可以这样做：

df1 %>%
  left_join(df2, join_by(color)) %>%
  arrange( year.x, abs(year.x - year.y)) %>%
  slice(1, .by = c(color, year.x))

#  color year.x value year.y
#1 Green   1995     1   1996
#2   Red   1997     3   2001
#3 Green   2001     2   2002
#4   Red   2010     3   2001

对于“最接近的之前/之后”，我们可以这样做：

df1 %>%
  left_join(df2, join_by(color, closest(year >= year)))

#  color year.x value year.y
#1 Green   1995    NA     NA
#2 Green   2001     1   1996
#3   Red   2010     3   2001
#4   Red   1997    NA     NA

df1 %>%
  left_join(df2, join_by(color, closest(year <= year)))
    
#  color year.x value year.y
#1 Green   1995     1   1996
#2 Green   2001     2   2002
#3   Red   2010    NA     NA
#4   Red   1997     3   2001

Answer 2

这是一个

data.table

解决方案：

library(data.table)

df1[, value := df2[df1, value, on = c("color == color", "year == year"), 
                   roll = "nearest"]][]

#>    color year value
#> 1: Green 1995     1
#> 2: Green 2001     2
#> 3:   Red 2010     3
#> 4:   Red 1997     3

^{创建于 2023-12-15，使用 reprex v2.0.2}