fuzzyjoin :: difference_ *でファジー結合を実行する方法R

Question

私はしきい値に基づいてマージしたい2つの異なるデータセットを扱っています。 2つのデータフレームは次のようになりましょう：私は今、希望は何

library(dplyr) 
library(fuzzyjoin) 
library(lubridate) 

df1 = data_frame(Item=1:5, 
       DateTime=c("2015-01-01 11:12:14", "2015-01-02 09:15:23", 
          "2015-01-02 15:46:11", "2015-04-19 22:11:33", 
          "2015-06-10 07:00:00"), 
       Count=c(1, 6, 11, 15, 9), 
       Name="Sterling", 
       Friend=c("Pam", "Cyril", "Cheryl", "Mallory", "Lana")) 
df1$DateTime = ymd_hms(df1$DateTime) 

df2 = data_frame(Item=21:25, 
       DateTime=c("2015-01-01 11:12:15", "2015-01-02 19:15:23", 
          "2015-01-02 15:46:11", "2015-05-19 22:11:33", 
          "2015-06-10 07:00:02"), 
       Count=c(3, 7, 11, 15, 8), 
       Name="Sterling", 
       Friend=c("Pam", "Kreger", "Woodhouse", "Gillete", "Lana")) 
df2$DateTime = ymd_hms(df2$DateTime) 

は、それぞれの値の2秒以内であることファジーDateTimeの試合とCountに基づいてdf1とdf2に参加残さできるようにすることです、 Item以外の値はすべて同じです。私は次のようにそこに着くことができると思った：

df1 %>% 
    difference_left_join(df2, by=c("DateTime", "Count"), max_dist=2) 

しかし、それは私に次のように出力できます：

# A tibble: 8 × 10 
    Item.x   DateTime.x Count.x Name.x Friend.x Item.y   DateTime.y Count.y Name.y Friend.y 
    <int>    <dttm> <dbl> <chr> <chr> <int>    <dttm> <dbl> <chr>  <chr> 
1  1 2015-01-01 11:12:14  1 Sterling  Pam  21 2015-01-01 11:12:15  3 Sterling  Pam 
2  1 2015-01-01 11:12:14  1 Sterling  Pam  21 2015-01-01 11:12:15  3 Sterling  Pam 
3  2 2015-01-02 09:15:23  6 Sterling Cyril  NA    <NA>  NA  <NA>  <NA> 
4  3 2015-01-02 15:46:11  11 Sterling Cheryl  23 2015-01-02 15:46:11  11 Sterling Woodhouse 
5  3 2015-01-02 15:46:11  11 Sterling Cheryl  23 2015-01-02 15:46:11  11 Sterling Woodhouse 
6  4 2015-04-19 22:11:33  15 Sterling Mallory  NA    <NA>  NA  <NA>  <NA> 
7  5 2015-06-10 07:00:00  9 Sterling  Lana  25 2015-06-10 07:00:02  8 Sterling  Lana 
8  5 2015-06-10 07:00:00  9 Sterling  Lana  25 2015-06-10 07:00:02  8 Sterling  Lana 

をその行3名が異なっていることを考えるとマージされていないはず除いこれは、近くにあります（そして私はそれが欲しくないにしても、2番目の行がマージすると期待していました）。

次のデータフレームはどのようにして完成しますか？ DateTimeとCountがしきい値を満たしていたにもかかわらず、df2の2行目と3行目がマージされていないことに注意してください。これは、他の列（Itemを除く）が一致しなかったためです。

desired_output 
# Item   DateTime Count  Name Friend 
# 1 3 2015-01-02 15:46:11 11 Sterling Cheryl 
# 2 2 2015-01-02 09:15:23  6 Sterling Cyril 
# 3 5 2015-06-10 07:00:00  9 Sterling Lana 
# 4 25 2015-06-10 07:00:02  8 Sterling Lana 
# 5 4 2015-04-19 22:11:33 15 Sterling Mallory 
# 6 1 2015-01-01 11:12:14  1 Sterling  Pam 
# 7 21 2015-01-01 11:12:15  3 Sterling  Pam 

Answer 1

いいえ、メッセージは、非数値列でファジーマッチを計算できないためです。

することは数値に変換することです。あなたのキャリパーは秒であるので、私は秒にそれを変換し、それらが数値作っ：

library(dplyr) 
library(fuzzyjoin) 
library(lubridate) 

df1 = data_frame(Item=1:5, 
       DateTime=c("2015-01-01 11:12:14", "2015-01-02 09:15:23", 
          "2015-01-02 15:46:11", "2015-04-19 22:11:33", 
          "2015-06-10 07:00:00"), 
       Count=c(1, 6, 11, 15, 9), 
       Name="Sterling", 
       Friend=c("Pam", "Cyril", "Cheryl", "Mallory", "Lana")) 
df1$DateTime1 = as.numeric(seconds(ymd_hms(df1$DateTime))) 

df2 = data_frame(Item=21:25, 
       DateTime=c("2015-01-01 11:12:15", "2015-01-02 19:25:56", 
          "2015-01-02 15:46:11", "2015-05-19 22:11:33", 
          "2015-06-10 07:00:02"), 
       Count=c(3, 6, 11, 15, 8), 
       Name="Sterling", 
       Friend=c("Pam", "Kreger", "Woodhouse", "Gillete", "Lana")) 
df2$DateTime1 = as.numeric(seconds(ymd_hms(df2$DateTime))) 

df1 %>% 
    difference_left_join(y=df2, by=c("DateTime1", "Count"), max_dist=2) 

我々の議論をもとに、コメントにマッチする他の文字列の場合にこれをサブセットに簡単な微調整は次のようになります。

df1[df2$Friend == df1$Friend,] %>% 
    difference_left_join(y=df2[df2$Friend == df1$Friend,], by=c("DateTime1", "Count"), max_dist=2) 

この例はFriendですが、もちろん複数の列を使用する場合は&を使用してください。