類似しているが正確でない日付に基づいてマージする

Question

私は2つのデータフレームを持っています。 IDが同じでVisitDateが3日以上でない場合にのみ、それらをマージしたいと思います。マージは簡単ですが、正確な日付マージではなく、どのように日付範囲を指定することができますか？ここで

はサンプルです：

DF1：

structure(list(V1 = structure(c(5L, 1L, 1L, 2L, 3L, 3L, 3L, 4L 
), .Label = c("1", "2", "3", "4", "Id"), class = "factor"), V2 = structure(c(7L, 
5L, 6L, 5L, 3L, 4L, 2L, 1L), .Label = c("2012-01-02", "2012-02-03", 
"2012-02-14", "2012-03-06", "2012-05-23", "2014-07-13", "VisitDate" 
), class = "factor"), V3 = structure(c(8L, 2L, 4L, 5L, 1L, 6L, 
7L, 3L), .Label = c("12", "2", "22", "23", "33", "43", "54", 
"Another column"), class = "factor")), .Names = c("V1", "V2", 
"V3"), class = "data.frame", row.names = c(NA, -8L)) 

DF2：

structure(list(V1 = structure(c(5L, 1L, 2L, 3L, 4L), .Label = c("1", 
"2", "3", "4", "Id"), class = "factor"), V2 = structure(c(5L, 
4L, 3L, 2L, 1L), .Label = c("2012-01-08", "2012-02-16", "2012-05-25", 
"2012-07-15", "VisitDate"), class = "factor"), V3 = structure(c(5L, 
3L, 1L, 4L, 2L), .Label = c("22", "33", "43", "64", "Another column" 
), class = "factor")), .Names = c("V1", "V2", "V3"), class = "data.frame", row.names = c(NA, 
-5L)) 

出力は次のようになります。

Id  VisitDate.df1  col.2f1 VisitDate.df2 col.df2 
1  2014-07-13    23  2012-07-15  43 
2  2012-05-23    33  2012-05-25  22 
3  2012-02-14    12  2012-02-16  64 

Answer 1

あなたのデータがあまり大きくない場合、あなたは簡単にに参加することができます、次にフィルタを3日以内にオフにします。

例えば、tidyverse枠組みの下で：

library(tidyverse) 

df1 = structure(list(Id = c(1, 1, 2, 3, 3, 3, 4), 
        VisitDate = structure(c(15483, 16264, 15483, 15384, 15405, 15373, 15341), class = "Date"), 
        Column = c(2, 4, 5, 1, 6, 7, 3)), 
       .Names = c("Id", "VisitDate", "Column"), 
       row.names = 1:7, 
       class = "data.frame") 

df2 = structure(list(Id = c(1, 2, 3, 4), 
        VisitDate = structure(c(15536, 15485, 15386, 15347), class = "Date"), 
        Column = c(3, 1, 4, 2)), 
       .Names = c("Id", "VisitDate", "Column"), 
       row.names = 1:4, 
       class = "data.frame") 


df1 %>% 
    left_join(df2, by = "Id", suffix = c(".df1", ".df2")) %>% 
    filter(abs(VisitDate.df1 - VisitDate.df2) <= 3) 
#> Id VisitDate.df1 Column.df1 VisitDate.df2 Column.df2 
#> 1 2 2012-05-23   5 2012-05-25   1 
#> 2 3 2012-02-14   1 2012-02-16   4 

別のアプローチがにあるが、おそらくdf1で、あなたのデータの行を複製します。複数の日付にわたって同じIDが発生している場合は、これがより効率的です。

df1 %>% 
    mutate(date = map(VisitDate, function(x){seq(x - 3, x + 3, by = 1)})) %>% 
    unnest(date) %>% 
    inner_join(df2, by = c("Id", "date" = "VisitDate"), suffix = c(".df1", ".df2")) 
#> Id VisitDate Column.df1  date Column.df2 
#> 1 2 2012-05-23   5 2012-05-25   1 
#> 2 3 2012-02-14   1 2012-02-16   4