在数据框中创建一个新变量，条件超过另一个数据框答案

【问题标题】：Create a new variable in data frame with condition over another dataframe在数据框中创建一个新变量，条件超过另一个数据框
【发布时间】：2018-04-04 22:49:58
【问题描述】：

我有 2 个这样的数据框

df1

       date item 
 02/01/2017    A 
 09/01/2017    B
 14/01/2017    C

df2

      date1       date2  item    prm
 01/01/2017  03/01/2017     A    YES
 08/01/2017  10/01/2017     B    YES
 15/01/2017  17/01/2017     C    YES

目的

prm 变量是一个常量变量，它只有 1 个值。我想在这个条件下在我的 df1 中添加变量 prm

df1$date is between df2$date1 and df2$date2 and df1$item=df2$item

但是，如果条件不匹配，那么我需要 prm 获取值“NO”

【问题讨论】：

这是一个简单的 data.table 中的非等连接
我尝试使用 data.table 但我的 df 从 1 800 000 行传递到 800 000 行不知道为什么，因为当我执行唯一操作时，我仍然有 1 800 000 行
试试library(data.table) ; setDT(df1)[setDT(df2), on = .(item, date >= date1, date <= date2), prm := i.prm]（假设日期格式正确）
很好，谢谢它像所有解决方案一样工作正常

标签： r dataframe data.table sqldf

【解决方案1】：

使用data.table 提供的non-equi joins 和update on join 这将变成：

library(data.table)
setDT(df1)[setDT(df2), on = .(item, date>=date1, date<= date2), prm := i.prm][
  is.na(prm), prm := "NO"]
df1

         date item prm
1: 2017-01-02    A YES
2: 2017-01-09    B YES
3: 2017-01-14    C  NO

【讨论】：

【解决方案2】：

[编辑]

如果df1 和df2 中的行数不同，您可以使用sqldf 并在df1.date between df2.date1 and df2.date2 和df1.item = df2.item 上创建LEFT JOIN 并使用CASE WHEN 语句来创建专栏prm：

options("stringsAsFactors" = FALSE)

df1 <- read.table(text = 
"date item 
02/01/2017    A 
09/01/2017    B
16/01/2017    C 
02/01/2017    C",
header = TRUE)
df2 <- read.table(text =
"date1       date2  item
01/01/2017  03/01/2017     A 
08/01/2017  10/01/2017     B
15/01/2017  17/01/2017     C",
header = TRUE)

library(sqldf)


sqldf("
  SELECT df1.*, CASE WHEN df1.item = df2.item THEN 'yes' ELSE 'no' END AS prm
  FROM df1 
  LEFT JOIN df2 
   ON df1.date BETWEEN df2.date1 AND df2.date2
   AND df1.item = df2.item
  ")

        date item prm
1 02/01/2017    A yes
2 09/01/2017    B yes
3 16/01/2017    C yes
4 02/01/2017    C  no

【讨论】：

它的工作原理与 data.table 相同，但我不知道为什么，在 sqldf 之前我的数据框有 1 800 000 行，之后它有 800 000 行
是因为只有 800,000 行符合日期和项目条件吗？我已将加入更改为LEFT JOIN，这是您要找的吗？

【解决方案3】：

你可以在这里使用ifelse

 df1 <- read.table(text = "      date item 
 02/01/2017    A 
 09/01/2017    B
 16/01/2017    C", header = T)

df2 <- read.table(text = "      date1       date2  item
 01/01/2017  03/01/2017     A 
                  08/01/2017  10/01/2017     B
                  15/01/2017  17/01/2017     C", header = T)

df1$date <- as.Date(df1$date, format = "%d/%m/%Y")
df2$date1 <- as.Date(df2$date1, format = "%d/%m/%Y")
df2$date2 <- as.Date(df2$date2, format = "%d/%m/%Y")


df1$prm <- ifelse(df1$date >= df2$date1 & df1$date <= df2$date2 & df1$item == df2$item, "YES" , "NO")

        date item prm
1 0002-01-20    A YES
2 0009-01-20    B YES
3 0016-01-20    C YES

【讨论】：

是的，它有效，但我认为我的解释不够好，我会编辑我的问题
Orhan 答案有什么遗漏吗？
0002-01-20 在您看来是一个有效的日期吗？这应该是df1$date <- as.Date(df1$date, format = "%d/%m/%Y") 等。

【解决方案4】：

这是使用 dplyr 的解决方案：

library(tidyverse)

df1 = tribble(~date, ~item,
             "02/01/2017",    "A",
             "09/01/2017",    "B",
             "16/01/2017",    "C")

df2 = tribble(~date1, ~date2, ~item,
"01/01/2017",  "03/01/2017",     "A",
"08/01/2017",  "10/01/2017",     "B",
"15/01/2017",  "15/01/2017",     "C")

df3 = merge(x = df1, y = df2)


df4 = as.data.frame(cbind(df3[1], lapply(df3[2:4], as.Date, format = "%d/%m/%Y")))


df5 <- df4 %>%
  mutate(prm = if_else((date > date1) & (date < date2), "YES", "NO"))

df5

【讨论】：