按最近日期和另一个变量加入 R 中的两个数据框

Question

我有两个数据框，一个价格数据集和一个调查数据集，我需要在最近的日期加入。日期不完全匹配，我需要价格数据集与调查数据集中最近的日期相匹配。非常有助于我回答如何在最接近的日期匹配。然而，我已经意识到我还需要加入区域数据集，以及最近的日期。我知道如何在最近的日期加入，我知道如何在地区加入，但不幸的是我不知道如何在最近的日期和完全相同的地区加入。

这是一些示例代码以及我一直在尝试的代码

#generating sample dataset
set.seed(1234)
price <- data.frame(region = sample(LETTERS[1:3],15,replace = TRUE), price = rnorm(15),price_date=sample(seq(as.Date('1999/01/01'), as.Date('2000/01/01'), by="day"), 15)) 
survey <- data.frame(region = sample(LETTERS[1:3],15,replace = TRUE), survey_date=sample(seq(as.Date('1999/01/01'), as.Date('2000/01/01'), by="day"), 15)) 

#this works to join on the closest date, however, the regions don't match, which is a problem


library(data.table)
setDT(price)
setDT(survey)

join <- price[survey,on=.(price_date=survey_date),roll="nearest"]

基本上我想做的是将 price 的 date/region 观察与最近的日期相匹配，survey 中的相同区域观察，我不太确定这该怎么做。非常感谢任何帮助。

Answer 1

您可以将区域添加到 on 条件：

price[survey,.(region,price,x.price_date,survey_date),on=.(region,price_date=survey_date),roll="nearest"][]

    region       price x.price_date survey_date
    <char>       <num>       <Date>      <Date>
 1:      A  0.88010416   1999-10-26  1999-09-05
 2:      B  0.31026217   1999-12-25  1999-12-31
 3:      A -1.68732684   1999-04-27  1999-06-02
 4:      C  0.00500695   1999-08-09  1999-05-11
 5:      C  0.00500695   1999-08-09  1999-03-24
 6:      B -0.03763026   1999-08-12  1999-09-02
 7:      C -0.64701901   1999-12-24  2000-01-01
 8:      B -0.03763026   1999-08-12  1999-08-06
 9:      C  0.00500695   1999-08-09  1999-08-03
10:      A  0.88010416   1999-10-26  1999-11-22
11:      C  1.37001035   1999-09-15  1999-10-03
12:      B  0.01831663   1999-07-01  1999-06-18
13:      A -0.62743621   1999-03-20  1999-03-12
14:      B  0.72397606   1999-02-18  1999-03-02
15:      C -0.64701901   1999-12-24  1999-12-18

注意使用 x. 显示 LHS 日期。

按最近日期和另一个变量加入 R 中的两个数据框

Joining two data frames in R, by nearest date and one other variable

r

dplyr

data.table