多个日期之间的日期向量

Question

帧 df1 和 df2。我想将来自 df2 数据框的版本列添加到 df1 中。条件是df1的Date列在df2.Date1和df2.Date之间，相应带上对应的版本。

例如df1的第一个日期是2020-03-25，它在2020-01-01和2020-03-25之间，所以对应的版本是CZ01。感谢您的帮助。

我的 df1

library(dplyr)
library(data.table)

set.seed(1);vec1 <- sample(seq(as.Date('2020-01-01'), as.Date('2020-12-31'), by="day"), 10)
set.seed(2);vec2 <- sample(seq(as.Date('2020-01-01'), as.Date('2020-12-31'), by="day"), 5)

df1 <- data.frame(ID = c(rep(1, 10),rep(2, 5)), Date = c(vec1, vec2)) %>%
       arrange(ID, Date)
   ID       Date
1   1 2020-03-25
2   1 2020-05-08
3   1 2020-06-15
4   1 2020-07-05
5   1 2020-09-26
6   1 2020-10-03
7   1 2020-10-25
8   1 2020-11-02
9   1 2020-11-19
10  1 2020-11-25
11  2 2020-07-16
12  2 2020-09-18
13  2 2020-09-29
14  2 2020-12-06
15  2 2020-12-14

我的 df2

df2 <- data.frame(ID = c(1,1,1,2,2), Version = c('CZ01','CZ02','CZ03','BX01','BX02'),
                  Date1 = as.Date(c('2020-01-01','2020-03-25','2020-07-02','2020-07-16','2020-10-31')),
                  Date2 = as.Date(c('2020-03-25','2020-07-02','2020-12-31','2020-10-31','2020-12-31')))
df2
  ID Version      Date1      Date2
1  1    CZ01 2020-01-01 2020-03-25
2  1    CZ02 2020-03-25 2020-07-02
3  1    CZ03 2020-07-02 2020-12-31
4  2    BX01 2020-07-16 2020-10-31
5  2    BX02 2020-10-31 2020-12-31

预期输出

   ID       Date Version
1   1 2020-03-25    CZ01
2   1 2020-05-08    CZ02
3   1 2020-06-15    CZ02
4   1 2020-07-05    CZ03
5   1 2020-09-26    CZ03
6   1 2020-10-03    CZ03
7   1 2020-10-25    CZ03
8   1 2020-11-02    CZ03
9   1 2020-11-19    CZ03
10  1 2020-11-25    CZ03
11  2 2020-07-16    BX01
12  2 2020-09-18    BX01
13  2 2020-09-29    BX01
14  2 2020-12-06    BX02
15  2 2020-12-14    BX02

Answer 1

您可以使用以下解决方案。以下是有关其工作原理的一些说明：

• 我首先使用来自purrr 的map2 函数，因为我需要在df1 的每一行中迭代ID 和Date 变量
• 在下一步中，我在每一行中选择了df2 的所有变量，它们实际上分别是ID、Date1 和Date2，这是一个长度为3 的数字向量，..1 变量位于@987654331 @指第一个等等
• 您可能已经注意到我再次将您的日期转换为pmap 中的as.Date，这是因为当我收集除Version 之外的所有列时，它们都被强制转换为numeric
• 最后我检查df1每一行中我们的Date是否属于任何类别，还考虑了IDs的匹配
• 两者都会产生一个长度为 5 的逻辑向量，我选择了第一个返回 TRUE 的向量
• 需要考虑的另一件事是，因为您的某些 Date 值可能属于多个类别，例如我使用 [1] 仅选择第一个的第一行

library(dplyr)
library(purrr)

df1 %>%
  mutate(Version = map2(ID, Date, function(a, b) {
    df2$Version[pmap_lgl(df2 %>% select(!Version), ~ between(b, as.Date(..2), as.Date(..3)) &
                       a == ..1)][1]
  }))

   ID       Date Version
1   1 2020-03-25    CZ01
2   1 2020-05-08    CZ02
3   1 2020-06-15    CZ02
4   1 2020-07-05    CZ03
5   1 2020-09-26    CZ03
6   1 2020-10-03    CZ03
7   1 2020-10-25    CZ03
8   1 2020-11-02    CZ03
9   1 2020-11-19    CZ03
10  1 2020-11-25    CZ03
11  2 2020-07-16    BX01
12  2 2020-09-18    BX01
13  2 2020-09-29    BX01
14  2 2020-12-06    BX02
15  2 2020-12-14    BX02

Answer 2

首先，我们可以尝试直接非等式连接（同时具有非严格不等式）。我们会看到第 1 行是重复的：

df2[df1, on = .(ID, Date1 <= Date, Date2 >= Date)
  ][, c("Date", "Date1", "Date2") := .(Date1, NULL, NULL)]
#        ID Version       Date
#     <num>  <char>     <Date>
#  1:     1    CZ01 2020-03-25
#  2:     1    CZ02 2020-03-25
#  3:     1    CZ02 2020-05-08
#  4:     1    CZ02 2020-06-15
#  5:     1    CZ03 2020-07-05
#  6:     1    CZ03 2020-09-26
#  7:     1    CZ03 2020-10-03
#  8:     1    CZ03 2020-10-25
#  9:     1    CZ03 2020-11-02
# 10:     1    CZ03 2020-11-19
# 11:     1    CZ03 2020-11-25
# 12:     2    BX01 2020-07-16
# 13:     2    BX01 2020-09-18
# 14:     2    BX01 2020-09-29
# 15:     2    BX02 2020-12-06
# 16:     2    BX02 2020-12-14

这也许可以通过聚合来解决（即，取第一个非NAVersion），假设我们有办法唯一地识别原始行。我假设ID 和Date 是独一无二的，我们可以这样做

df2[df1, on = .(ID, Date1 <= Date, Date2 >= Date)
  ][, c("Date", "Date1", "Date2") := .(Date1, NULL, NULL)
  ][, .SD[which.min(is.na(Version)),], by = .(ID, Date)]
#        ID       Date Version
#     <num>     <Date>  <char>
#  1:     1 2020-03-25    CZ01
#  2:     1 2020-05-08    CZ02
#  3:     1 2020-06-15    CZ02
#  4:     1 2020-07-05    CZ03
#  5:     1 2020-09-26    CZ03
#  6:     1 2020-10-03    CZ03
#  7:     1 2020-10-25    CZ03
#  8:     1 2020-11-02    CZ03
#  9:     1 2020-11-19    CZ03
# 10:     1 2020-11-25    CZ03
# 11:     2 2020-07-16    BX01
# 12:     2 2020-09-18    BX01
# 13:     2 2020-09-29    BX01
# 14:     2 2020-12-06    BX02
# 15:     2 2020-12-14    BX02

---

另一种方法是使用非等值连接列的赋值连接（恰好颠倒了 data.table 操作数的顺序），但我们遇到了另一个问题：因为 df1$Date[1] 与 df2$Date2[1] 相同，并且df2$Date1[2]，这表明非等连接应该一方面是严格的<，另一方面是不严格的>=。如果您这样做是为了在第一行找到"CZ01"，那么df1$Date[11] 将不适合df2 中定义的范围。

library(data.table)
setDT(df1)
setDT(df2)

df1[df2, Version := Version, on = .(ID, Date > Date1, Date <= Date2)]
#        ID       Date Version
#     <num>     <Date>  <char>
#  1:     1 2020-03-25    CZ01
#  2:     1 2020-05-08    CZ02
#  3:     1 2020-06-15    CZ02
#  4:     1 2020-07-05    CZ03
#  5:     1 2020-09-26    CZ03
#  6:     1 2020-10-03    CZ03
#  7:     1 2020-10-25    CZ03
#  8:     1 2020-11-02    CZ03
#  9:     1 2020-11-19    CZ03
# 10:     1 2020-11-25    CZ03
# 11:     2 2020-07-16    <NA>
# 12:     2 2020-09-18    BX01
# 13:     2 2020-09-29    BX01
# 14:     2 2020-12-06    BX02
# 15:     2 2020-12-14    BX02

我们可以用

填写NA

tmp <- df1[is.na(Version),
  ][, Version := NULL
  ][df2, Version := Version, on = .(ID, Date >= Date1, Date <= Date2)]
tmp
#       ID       Date Version
#    <num>     <Date>  <char>
# 1:     2 2020-07-16    BX01

rbindlist(list(df1[ !is.na(Version), ], tmp))
#        ID       Date Version
#     <num>     <Date>  <char>
#  1:     1 2020-03-25    CZ01
#  2:     1 2020-05-08    CZ02
#  3:     1 2020-06-15    CZ02
#  4:     1 2020-07-05    CZ03
#  5:     1 2020-09-26    CZ03
#  6:     1 2020-10-03    CZ03
#  7:     1 2020-10-25    CZ03
#  8:     1 2020-11-02    CZ03
#  9:     1 2020-11-19    CZ03
# 10:     1 2020-11-25    CZ03
# 11:     2 2020-09-18    BX01
# 12:     2 2020-09-29    BX01
# 13:     2 2020-12-06    BX02
# 14:     2 2020-12-14    BX02
# 15:     2 2020-07-16    BX01