根据日期时间参考选择值

Question

大家好，希望大家一切都好！

我目前正在处理两个数据集，一个包含纺织行业机器维修记录，另一个数据集包含机器收到的预防性维护记录。

MACHINE	REPAIR_DATE
X	6/03/2021
Y	24/02/2021
F	28/02/2021
O	27/02/2021
O	18/02/2021
O	12/02/2021
U	7/02/2021
U	8/01/2021
U	2/01/2021
H	1/02/2021
H	4/02/2021
H	12/03/2021
H	22/03/2021

第二个数据库看起来像这样

MACHINE	MAINTENANCE_DATE
X	4/03/2021
F	29/02/2021
M	26/02/2021
L	25/02/2021
U	16/02/2021
H	10/02/2021
H	5/02/2021
H	6/01/2021

我想要实现的是创建一个数据框，我可以在其中查看每个机器维修的日期，该日期是该特定维修的最后一次维护日期之前（也希望自从我学习以来就使用 tidyverse，但是如果你们认为使用 tidyverse 无法解决这个问题，那我也想向你们学习）。比如

MACHINE REPAIR_DATE LAST_MAINTENANCE_DATE_PRIOR_TO_REPAIR
F       28/02/2021           N.A

这是因为我们有维修日期后执行的机器 F 的维修记录，我们正在寻找维修日期之前的最新维修日期。

我在做什么？

我曾考虑按时间顺序排列这两个数据集，以便稍后加入它们，然后按 MACHINE 和 REPAIR_DATE 分组，但我发现自己正在努力适应最新的维护日期应该在维修日期之前，我必须构建包含所有机器维修日期及其各自最新维护日期的数据框。在加入表格时我也有点困惑，因为会有一些 N. 就好像我通过“虚拟变量”进行完全连接，或者即使只是加入两个数据集，也可以通过执行类似 all 的操作来表示

代码：

ds1<-tribble(
  ~MACHINE,  ~REPAIR_DATE,
  "X",  "6/03/2021",
  "Y",  "24/02/2021",
  "F",  "28/02/2021",
  "O",  "27/02/2021",
  "O",  "18/02/2021",
  "O",  "12/02/2021",
  "U",  "7/02/2021",
  "U",  "8/01/2021",
  "U",  "2/01/2021",
  "H",  "1/02/2021",
  "H",  "4/02/2021",
  "H",  "12/03/2021",
  "H",  "22/03/2021")

ds2<-tribble(
  ~MACHINE,  ~MAINTENANCE_DATE,
  "X",  "4/03/2021",
  "F",  "29/02/2021",
  "M",  "26/02/2021",
  "L",  "25/02/2021",
  "U",  "16/02/2021",
  "H",  "10/02/2021",
  "H",  "5/02/2021",
  "H",  "6/01/2021")
  

Answer 1

您可以尝试以下方法：

library(dplyr)
library(lubridate)

ds1 %>%
  mutate(REPAIR_DATE = dmy(REPAIR_DATE)) %>%
  left_join(ds2 %>% 
              mutate(MAINTENANCE_DATE = dmy(MAINTENANCE_DATE)), 
            by = 'MACHINE') %>% 
  group_by(MACHINE, REPAIR_DATE) %>%
  summarise(LAST_MAINTENANCE_DATE = {
      val <- REPAIR_DATE - MAINTENANCE_DATE
      if(any(val > 0, na.rm = TRUE)) 
        max(MAINTENANCE_DATE[val > 0], na.rm = TRUE)
      else NA
    }
    ) %>%
  ungroup

#  MACHINE REPAIR_DATE LAST_MAINTENANCE_DATE
#   <chr>   <date>      <date>               
# 1 F       2021-02-28  NA                   
# 2 H       2021-02-01  2021-01-06           
# 3 H       2021-02-04  2021-01-06           
# 4 H       2021-03-12  2021-02-10           
# 5 H       2021-03-22  2021-02-10           
# 6 O       2021-02-12  NA                   
# 7 O       2021-02-18  NA                   
# 8 O       2021-02-27  NA                   
# 9 U       2021-01-02  NA                   
#10 U       2021-01-08  NA                   
#11 U       2021-02-07  NA                   
#12 X       2021-03-06  2021-03-04           
#13 Y       2021-02-24  NA                   

加入两个数据集，并为MACHINE 中的每个唯一REPAIR_DATE 找到最后一个MAINTENANCE_DATE。