R fuzzyjoin 在最近的记录上

Question

我想通过 ID 连接两个表 A 和 B，并在 B 中找到早于 A[date] 的最近日期。

经过一些搜索，fuzzyjoin 似乎允许加入日期范围：

library(fuzzyjoin)
fuzzy_left_join(A, B,
              by = c("ID" = "ID",
                     "date" =  "date"), 
                      match_fun = list("==","<"))

问题是这会 return 很多记录（如果它们存在于 B 中），而我只想要最新的。

知道如何进行吗？

编辑：

A <- data.frame(ID=c(1,2,3),
                date = c('2019-04-03','2019-05-13','2019-05-27'))

B <- data.frame(ID=c(1,1,2,3,4),
                date = c('2018-01-01','2019-01-01','2019-02-20','2019-06-01','2019-01-01'),
                value = c(1,1.5,1.2,3.7,4))

> A
  ID       date
1  1 2019-04-03
2  2 2019-05-13
3  3 2019-05-27

> B
  ID       date value
1  1 2018-01-01   1.0
2  1 2019-01-01   1.5
3  2 2019-02-20   1.2
4  3 2019-06-01   3.7
5  4 2019-01-01   4.0

预期输出：

  ID       date value
1  1 2019-04-03   1.5
2  2 2019-05-13   1.2
3  3 2019-05-27    NA

Answer 1

使用 data.table 滚动连接的另一个选项：

library(data.table)
setDT(A)[, date:=as.Date(date)]
setDT(B)[, date:=as.Date(date)]
B[A, on=.(ID, date), roll=Inf]

输出：

   ID       date value
1:  1 2019-04-03   1.5
2:  2 2019-05-13   1.2
3:  3 2019-05-27    NA

Answer 2

我们可以做 group_by A 然后 select 每组的最后一行

library(fuzzyjoin)
fuzzy_left_join(A, B,
            by = c("ID" = "ID","date" = "date"), 
            match_fun = list(`==`,`>`)) %>% 
            group_by(ID.x) %>% 
            slice(n()) %>% 
            select(-ends_with('y')) %>%
            rename_at(vars(ends_with('x')), ~gsub('.x','',.))

# A tibble: 3 x 3
# Groups:   ID.x [3]
   ID   date       value
  <dbl> <date>     <dbl>
1     1 2019-04-03   1.5
2     2 2019-05-13   1.2
3     3 2019-05-27  NA

R fuzzyjoin 在最近的记录上

R fuzzyjoin on most recent previous record

r

fuzzyjoin