在两个数据框中按最近的 POSIXct 匹配值，同时保持两个日期答案

【问题标题】：Matching values by nearest POSIXct in two data frames keeping both dates在两个数据框中按最近的 POSIXct 匹配值，同时保持两个日期
【发布时间】：2020-02-24 19:30:59
【问题描述】：

我有两个要按最近日期匹配的数据框，创建一个新数据框，其中包含两者的值（包括“最近日期匹配”）。正是关于包括最近日期匹配的最后一部分给我带来了问题。

#Data sets

date1= as.POSIXct(c("2013-08-03", "2013-09-04", "2013-09-08", "2013-09-12", "2013-11-01"))
date2= as.POSIXct(c("2013-08-06", "2013-09-20", "2013-09-12", "2013-09-14", "2014-11-01","2010-11-01","2014-06-01"))

Num1<-seq(1,5)
Num2<-seq(1,7)


DF1<-data.frame(date1,Num1)
DF2<-data.frame(date2,Num2)

这个 for 循环给了我我想要的东西，但是在我的数据集上运行的时间太长了。

for(i in seq(1,nrow(DF1))){


  Data<-DF1[i,]

  #Date
  DataDate<-Data$date1

  MinTime<-which.min(abs(DataDate-DF2$date2))
  Data2<-DF2[MinTime,]
  DF1[i,'NearestNum2']<-Data2[,"Num2"]
  DF1[i,'NearestDate2']<-Data2[,"date2"]
  DF1[i,'TimeDiff']<-as.numeric(difftime(DF1[i,'date1'], DF1[i,'NearestDate2'], units='secs'))

}

DF1

我使用 data.table 包找到了一些类似问题的优秀答案。根据之前的答案，这就是我厌倦的：

#This line should provide with me with the numerical value associated with the nearest date
    setDT(DF1)[, NearestNum2 := setDT(DF2)[DF1, Num2, on=c(date2="date1"), roll="nearest"]]

#This line "should provide me with the actual nearest date used, but does not
    setDT(DF1)[, NearestDate1 := setDT(DF2)[DF1, date2, on=c(date2="date1"), roll="nearest"]]

这里的问题是（与 for 循环结果相反），使用 data.table 代码的“nearestDate2”列只是原始日期的重复。有人可以提供一个 data.table （或任何有效的代码），可以为我提供与上述 for 循环相同的输出吗？

【问题讨论】：

标签： r data.table

【解决方案1】：

不确定为什么您的原始解决方案不起作用，但这里有一个替代设置可以完成这项工作：

setDT(DF1)
setDT(DF2)

DF1[, c("NearestNum2", "NearestDate2") := 
        DF2[.SD, on = .(date2 = date1), .(x.Num2, x.date2), roll = "nearest"]
    ][,  TimeDiff := as.numeric(difftime(date1, NearestDate2))]

DF1

        date1 Num1 NearestNum2 NearestDate2 TimeDiff
1: 2013-08-03    1           1   2013-08-06  -259200
2: 2013-09-04    2           3   2013-09-12  -691200
3: 2013-09-08    3           3   2013-09-12  -345600
4: 2013-09-12    4           3   2013-09-12        0
5: 2013-11-01    5           2   2013-09-20  3628800

【讨论】：

不错的答案！它也可以在没有 .SD 的情况下在 DF2 中工作。
@DirkEddelbuettel 谢谢！我不知道！我猜i 在另一个 data.table 中调用 data.table 时默认为 .SD？

【解决方案2】：

这里有一些方法可以按日期将 DF1 中的每一行与 DF2 中最近的行进行匹配。

1) sqldf

library(sqldf)
sqldf("select *, min(abs(date2 - date1)) AbsDiff, date2 - date1 TimeDiff
       from DF1 a join DF2 b group by a.rowid")

给予：

       date1 Num1      date2 Num2 AbsDiff TimeDiff
1 2013-08-03    1 2013-08-06    1  259200   259200
2 2013-09-04    2 2013-09-12    3  691200   691200
3 2013-09-08    3 2013-09-12    3  345600   345600
4 2013-09-12    4 2013-09-12    3       0        0
5 2013-11-01    5 2013-09-20    2 3628800 -3628800

2) 基础R

abs.min <- function(d1) which.min(abs(d1 - DF2$date2))
transform(cbind(DF1, DF2[sapply(DF1$date1, abs.min), ]), 
          TimeDiff = as.numeric(date2 - date1))

给予：

         date1 Num1      date2 Num2 TimeDiff
1   2013-08-03    1 2013-08-06    1   259200
3   2013-09-04    2 2013-09-12    3   691200
3.1 2013-09-08    3 2013-09-12    3   345600
3.2 2013-09-12    4 2013-09-12    3        0
2   2013-11-01    5 2013-09-20    2 -3628800

【讨论】：