模糊连接-单面匹配

Question

我正在尝试从一张表（myChickWts）收集体重值，该体重值是在将每个血液样本记录到另一张表（鸡血）之前一周收集的。我想获取从每个星期到每个血样的血液日期和相关权重的列表。我尝试了几种不同的方法，但我不断获得日期after结果中包括的血液采样日期。

在此示例中，匹配项返回的日期都在血腥日期之前（1 / 9、1 / 11、1 / 13）和之后（1/15）。如何匹配这两个表？我也尝试了difference_join，但是它在其他结果之前7天和之后7天返回了结果-再次，不是我想要的结果。

Chick   Date.x (blood)  Date.y (weight)  Chick.y  Weight.y
10     2019-01-14       2019-01-09       10       74
10     2019-01-14       2019-01-11       10       81
10     2019-01-14       2019-01-13       10       89
10     2019-01-14       2019-01-15       10       96




library(tidyverse)
library(lubridate)
library(fuzzyjoin)

导入数据（用于reprex的样本数据）

mychickwts <- datasets::ChickWeight %>%
  mutate(Date = date("2019-01-01") + Time) %>%
  select(Date, Chick, weight) %>%
  filter(Chick <= 10)

chickblood <- data.frame(
       Chick = c(1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4, 5, 5, 5, 6, 6, 6, 7, 7, 7,
                 8, 8, 8, 9, 9, 9, 10, 10, 10),
        Date = date(c("2019-01-01", "2019-01-12", "2019-01-22", "2019-01-06",
                 "2019-01-15", "2019-01-22", "2019-01-05", "2019-01-07",
                 "2019-01-14", "2019-01-03", "2019-01-08", "2019-01-11", "2019-01-02",
                 "2019-01-20", "2019-01-23", "2019-01-12", "2019-01-16",
                 "2019-01-18", "2019-01-10", "2019-01-10", "2019-01-22", "2019-01-03",
                 "2019-01-04", "2019-01-08", "2019-01-06", "2019-01-14",
                 "2019-01-17", "2019-01-02", "2019-01-14", "2019-01-21")))

确定体重日期是否在血液检查日期的前一周。

compare <- function(a, b) {
  (a - b) <= 7
}

获取过去7天内每个血液日期和所有匹配体重的表格。这不起作用。

chickblood %>%
fuzzy_left_join(
  mychickwts,
  by = c(
    "Chick" = "Chick",
    "Date" = "Date"
    ),
  match_fun = list(`==`, `compare`)
  )

我也尝试过difference_join，但在这种情况下，我似乎无法弄清楚如何使其与小鸡匹配，并且它在日期之前和之后都返回。

   chickblood %>%
    difference_join(mychickwts, by = "Date",
       max_dist = 7
      )

我尝试使用lubridate的％within％，但没有运气。这将返回一个错误，我不确定为什么会这样。

chickblood %>%
fuzzy_left_join(
  mychickwts,
  by = c("Chick" = "Chick", 
         "Date" = "Date"),
  match_fun = list("==", "%within%")
  ) %>%
  arrange(Date.x)

Error in which(m) : argument to 'which' is not logical

Answer 1

由于数据集不太大，您可以对“小鸡”进行正常的左联接，然后确定体重日期是否在血液检查日期之前的一周。从那里，您可以只保留所需的行。

library(tidyverse)
library(lubridate)
library(fuzzyjoin)

mychickwts$Chick <- as.numeric(mychickwts$Chick)

chickblood %>% 
  left_join(mychickwts, by = "Chick", suffix = c(".blood", ".wt")) %>% 
  mutate(wt_days_prior = Date.blood - Date.wt) %>% 
  mutate(wt_in_week_prior = wt_days_prior <= 7 & wt_days_prior >= 0) %>% 
  filter(wt_in_week_prior)

或者，如果您想在单个联接中执行此操作，则可能会执行类似的操作。

chickblood %>% 
  fuzzy_left_join(mychickwts, by = c("Chick", "Date"),
                  match_fun = list(`==`, function(x, y) x - y >= 0 & x - y <= 7)
  )

将fuzzy_left_join替换为fuzzy_inner_join以仅保留在前一周有体重日期的血液检查数据。