根据紧密匹配的日期对两个 dfs 进行分组答案

【问题标题】：Group two dfs based on dates that closely match根据紧密匹配的日期对两个 dfs 进行分组
【发布时间】：2021-02-24 00:54:33
【问题描述】：

这些是两个数据帧的子集。

df1:

plot	mean_first_flower_date	gdd
1	2019-07-15	60
1	2019-07-21	50
1	2019-07-23	78
2	2019-05-13	100
2	2019-05-22	173
2	2019-05-25	245

（续）

df2:

plot	date	flowers
1	2019-07-12	2
1	2019-07-13	9
1	2019-07-14	3
1	2019-07-15	3
2	2019-05-12	10
2	2019-05-13	10
2	2019-05-14	14
2	2019-05-15	17

（续）

df2 有一些与 df1 匹配的日期，但有时日期会关闭一天或几天（以粗体突出显示）。

我想根据“日期”和“绘图”对两个 df 进行分组，保留 df2，而不会丢失 df1 中的“gdd”数据。

例如，如果由于日期不匹配，我 inner_join 两个 dfs，就会发生这种情况。

因此，如果 df1 中的日期比 df2 中可能匹配的日期早或晚一到三天，那很好，因为日期相对接近。这很棘手，因为只有当 df1 中没有该数据范围的可用数据时，我才需要此数据替换。

我的目标是拥有这样的东西：

plot	date	flowers	gdd
1	2019-07-12	2	60
1	2019-07-13	9	60
1	2019-07-14	3	60
1	2019-07-15	3	60
2	2019-05-12	10	100
2	2019-05-13	10	100
2	2019-05-14	14	100
2	2019-05-15	17	100

可以吗？

非常感谢任何帮助！谢谢！

【问题讨论】：

df1 中 plot==2 的日期应该在 5 月而不是 7 月？
是的，你是对的。
您想在结果连接中填写NAs，但是如果一个图中有两个或多个值，填写/采用的标准是什么？

标签： r dataframe merging-data

【解决方案1】：

我认为 data.table 包中的“滚动连接”可以处理这个问题：

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

df1[, mean_first_flower_date := as.Date(mean_first_flower_date)]
df2[, date := as.Date(date)]

df1[df2, on=c("plot","mean_first_flower_date==date"), roll=3, rollends=TRUE]

#   plot mean_first_flower_date gdd flowers
#1:    1             2019-07-12  60       2
#2:    1             2019-07-13  60       9
#3:    1             2019-07-14  60       3
#4:    1             2019-07-15  60       3
#5:    2             2019-05-12 100      10
#6:    2             2019-05-13 100      10
#7:    2             2019-05-14 100      14
#8:    2             2019-05-15 100      17

使用这些数据：

df1 <- read.table(text="plot  mean_first_flower_date  gdd
1  2019-07-15  60
1  2019-07-21  50
1  2019-07-23  78
2  2019-05-13  100
2  2019-05-22  173
2  2019-05-25  245", header=TRUE)

df2 <- read.table(text="plot  date  flowers
1  2019-07-12  2
1  2019-07-13  9
1  2019-07-14  3
1  2019-07-15  3
2  2019-05-12  10
2  2019-05-13  10
2  2019-05-14  14
2  2019-05-15  17", header=TRUE)

【讨论】：

我在运行代码的最后一行后收到此消息：错误 in vecseq(f__, len__, if (allow.cartesian || notjoin || !anyDuplicated(f__, : Join results in 33674 rows) ; 超过 31079 = nrow(x)+nrow(i)。检查 i 中的重复键值，每个键值都一遍又一遍地加入 x 中的同一组。如果没问题，请尝试 by=.EACHI 运行 j每个组以避免大分配。如果您确定要继续，请重新运行 allow.cartesian=TRUE。否则，请在 FAQ、Wiki、Stack Overflow 和 data.table 问题跟踪器中搜索此错误消息以获取建议。
尝试将建议的参数添加到调用中 - 如消息所述，df1[df2, ..., allow.cartesian=TRUE]。或者在mean_first_flower_date 中检查重复的键值 - 如果您有许多日期与许多 +3/-3 日期范围匹配，您将得到重复。
@user3508884 请分享一些在一个绘图中匹配多行的行。在共享的样本数据中，每个地块只有一个匹配项。

【解决方案2】：

从dplyr 尝试fill。使用这种语法

df2 %>% left_join(df1, by = c("plot" = "plot", "date" = "mean_first_flower_date")) %>%
  fill(gdd, .direction = "up")

  plot       date flowers gdd
1    1 2019-07-12       2  60
2    1 2019-07-13       9  60
3    1 2019-07-14       3  60
4    1 2019-07-15       3  60
5    2 2019-05-12      10 100
6    2 2019-05-13      10 100
7    2 2019-05-14      14  NA
8    2 2019-05-15      17  NA

您可以注意到最后两行中有两个NAs，如果您加入实际的df2，这些行将不应该存在173，因为会有一个匹配2019-05-22。如果你想填充最后的 NA 行，如果有的话，你可以再次使用 fill 和 .direction = "down"

df2 %>% left_join(df1, by = c("plot" = "plot", "date" = "mean_first_flower_date")) %>%
  fill(gdd, .direction = "up") %>% fill(gdd, .direction = "down")

  plot       date flowers gdd
1    1 2019-07-12       2  60
2    1 2019-07-13       9  60
3    1 2019-07-14       3  60
4    1 2019-07-15       3  60
5    2 2019-05-12      10 100
6    2 2019-05-13      10 100
7    2 2019-05-14      14 100
8    2 2019-05-15      17 100

【讨论】：