完全匹配某些列，部分匹配 inner_join

Question

我有两个来自不同来源的数据框，它们指的是同一个人，但由于自我报告数据的错误，日期可能略有偏差。

示例数据：

df1 <- data.frame(name= c("Ann", "Betsy", "Charlie", "Dave"), 
                  dob= c(as.Date("2000-01-01", "%Y-%m-%d"), as.Date("2001-01-01", "%Y-%m-%d"), 
                         as.Date("2002-01-01", "%Y-%m-%d"), as.Date("2003-01-01", "%Y-%m-%d")), 
                  stringsAsFactors=FALSE)

df2 <- data.frame(name= c("Ann", "Charlie", "Elmer", "Fred"), 
                  dob= c(as.Date("2000-01-11", "%Y-%m-%d"), as.Date("2004-01-01", "%Y-%m-%d"), 
                         as.Date("2001-01-01", "%Y-%m-%d"), as.Date("2006-01-01", "%Y-%m-%d")), 
                  stringsAsFactors=FALSE)

我想通过确切的名字匹配，dplyr 像：

library(dplyr)
inner_join(df1, df2, by = c("name"))

name    dob.x   dob.y
Ann     2000-01-01  2000-01-11
Charlie     2002-01-01  2004-01-01

还可以按 30 天内的出生日期 (dob)，使用 fuzzyjoin 包，例如：

library(fuzzyjoin)

difference_inner_join(df1, df2, by=c("dob"), max_dist = 30)

name.x  dob.x   name.y  dob.y
Ann     2000-01-01  Ann     2000-01-11
Betsy   2001-01-01  Elmer   2001-01-01

但是结合这两个条件，这样就只会返回 Ann

Answer 1

你可以这样做：

 difference_inner_join(df1, df2, by=c("dob"), max_dist = 30) %>%
  filter(name.x == name.y)

  name.x      dob.x name.y      dob.y
1    Ann 2000-01-01    Ann 2000-01-11

Answer 2

仅依赖 dplyr 和 base R。我很少需要模糊连接。 inner_join 然后 filter 通常就足够了

inner_join(df1, df2, by = c("name")) %>% 
  filter(abs(difftime(dob.x,dob.y, units = "days"))<30)

结果

  name      dob.x      dob.y
 1  Ann 2000-01-01 2000-01-11

完全匹配某些列，部分匹配 inner_join

Match some columns exactly, and some partially with inner_join

r

fuzzyjoin