R：通过匹配日期将值从一个数据框导入到另一个数据框

Question

假设我有df1：

Start_Date    End_Date     Value
2001-01-01    2001-12-31   1
2002-01-01    2002-12-31   2
2003-01-01    2003-12-31   3
2004-01-01    2004-12-31   4
2005-01-01    2005-12-31   5 

＆df2：

DateTime      Gain   People
2003-01-01    3      3
2003-05-09    5      4
2004-12-31    1      2
2005-01-31    -2     2
2005-08-13    9      7
2006-09-10    6      8
2007-10-03    7      5

我想通过检查df2中的哪个DateTime介于df1的Start_Date和End_Date之间，将值从df1导入df2。如果日期不属于df1的任何时段，则返回值0。预期结果的视图：

DateTime      Gain   People   Value
2003-01-01    3      3        3
2003-05-09    5      4        3
2004-12-31    1      2        4
2005-01-31    -2     2        5
2005-08-13    9      7        5
2006-09-10    6      8        0
2007-10-03    7      5        0

请告知

Answer 1

潜在的挑战在于不平等条件。这些在sql中很简单，但在R中则不然，因为dplyr仅在相等时才加入。 Here是S.O上主要答案的链接。

我发现最好的方法是进行更一般的联接，然后过滤不等式。

df1 = df1 %>% mutate(join_id = 1)
df2 = df2 %>% mutate(join_id = 1)

output = left_join(df2, df1, by = 'join_id') %>%
  filter(Start_Date <= DateTime,
         DateTime <= End_Date) %>%
  select(DateTime, Gain, People, Value) %>%
  mutate(Value = ifelse(is.na(Value), 0, Value)

说明：

• 由于您的数据框没有现有的ID列，因此我们首先创建一个。如果要加入一些相等约束和一些不平等约束，则不必要。
• 我们使用（更多）更通用的联接，后跟用于不等式约束的过滤器。
• ifelse(is.na(...用于替换缺少的值。

在某些情况下，这种更为通用的联接会产生性能问题。但是由于R默认情况下使用惰性求值，因此如果在联接之后立即进行过滤，则R应该将两个语句作为同一联接的一部分运行，并避免任何性能问题。