根据具有多个匹配项的另一个数据框改变列

Question

我有以下数据框

df1

ID    PMT_DATE
100   2015/01/01
100   2015/02/01
100   2015/04/01 
200   2016/01/01
200   2016/02/01

和 df2

ID    DATE         STATUS    
100   2014/12/31   A
100   2015/03/15   B
200   2015/12/31   A  
200   2016/06/01   C

我将创建一个数据框，它是 df1 和 df2 中的 STATUS 列。如果 df1 中的 PMT_DATE 列大于或等于 df2 中的 DATE 列，则 df2 中的关联状态应放置在新数据框中。生成的数据框应如下所示

ID    PMT_DATE     STATUS
100   2015/01/01   A
100   2015/02/01   A
100   2015/04/01   B 
200   2016/01/01   A
200   2016/02/01   A

通常我会加入这两个表，创建一个新列并使用 mutate 执行计算并删除我不再需要的列，但由于 df1 和 df2 中的 ID 列中有多个匹配项，我可以'没有完全实施该策略。

编辑：对于多场比赛，我想要最新的状态。例如，ID == 100 的最后一行将同时属于状态 == A 和状态 == B，但我只想要状态 B。此外，两个数据帧中的 ID 字段代表相同的东西（即通过 ID 连接是我想要的）。

我在想一些类似的东西

new_df <- df1 %>% rowwise() $>% do() ...

但我不确定如何填写其余部分以实现我所需要的。

Answer 1

我不确定dplyr 是否可以使用滚动连接。这就是我要使用data.table 来获取最新 STATUS：

library(data.table)
setDT(df2)[setDT(df1), on = .(ID, DATE = PMT_DATE), roll = Inf]

    ID       DATE STATUS
1: 100 2015-01-01      A
2: 100 2015-02-01      A
3: 100 2015-04-01      B
4: 200 2016-01-01      A
5: 200 2016-02-01      A

数据

df1 <- readr::read_table(
  "ID    PMT_DATE
100   2015/01/01
100   2015/02/01
100   2015/04/01 
200   2016/01/01
200   2016/02/01"
)
df2 <- readr::read_table(
  "ID    DATE         STATUS    
100   2014/12/31   A
100   2015/03/15   B
200   2015/12/31   A  
200   2016/06/01   C"
)

Answer 2

这是一种使用dplyr 的方法。这个想法是先加入表格并过滤掉带有PMT_DATE >= DATE的行。我想你只想要最新的STATUS（STATUS 关联最新的DATE）。

library(dplyr)

df1 %>% 
  left_join(df2, by="ID") %>%
  filter(PMT_DATE >= DATE) %>% 
  group_by(ID, PMT_DATE) %>% 
  slice(n()) %>% # get the latest status
  select(-DATE) %>%
  ungroup()

# # A tibble: 5 x 3
#      ID   PMT_DATE STATUS
#   <int>      <chr>  <chr>
# 1   100 2015/01/01      A
# 2   100 2015/02/01      A
# 3   100 2015/04/01      B
# 4   200 2016/01/01      A
# 5   200 2016/02/01      A