如果一个数据集中的日期在 R 中每个 id 的另一个数据集中的一段时间内，如何获取该值?

Question

假设我有两个数据集，A 和 B。对于数据集 A，它具有 ID、日期和兴趣。对于数据集 B，它具有 ID、date_1、date_2、Int。如果数据集 A 中的日期在数据集 B 中的date_1和date_2范围内;然后我想将 B 中的值 Int 提取到对 A 的兴趣列中。这是我运行的示例代码。 但收到错误消息

"Error in if (subset_A[j, ]$date >= subset_B[k, ]$date_1 & subset_A[j,  : 
argument is of length zero"

.

A <- data.frame("ID" = c(1,1,1,2,2,3), "date" = c("1900-01-01","1900-11-01","1902-01-01","1903-01-01","1905-01-01","1900-01-01"), "Interest" = c(NA,NA,NA,NA,NA,NA), stringsAsFactors = FALSE)
A$date<-as.Date(A$date)
B <- data.frame("ID" = c(1,1,2,2,2,5), 
"date_1" = c("1900-01-01","1900-02-01","1900-01-01","1901-02-01","1901-03-01","1900-01-01"),
"date_2" = c("1900-01-03","1903-01-01","1901-01-01","1901-03-01","1904-03-01","1903-01-01"),
"Int" = c(1,2,1,3,3,1))
B$date_1 <- as.Date(B$date_1)
B$date_2 <- as.Date(B$date_2)

在 R 中：

IDlist = unique(A$ID)
Table=NULL
for (i in 1:length(IDlist)){
subset_B <-subset(B, ID == IDlist[i])
subset_A <-subset(A, ID == IDlist[i])
for (j in 1:nrow(subset_A)){
for (k in 1:nrow(subset_B)){
if(subset_A[j,]$date >=  subset_B[k,]$date_1&
subset_A[j,]$date <=  subset_B[k,]$date_2&
!is.na(subset_B[k,]$date_1) & 
!is.na(subset_B[k,]$date_2))
subset_A[j,]$Interest <- subset_B[k,]$Int
Table=rbind(Table,
subset_A)
}
} 
}

我想获取最后一列输入为 c(1,2,2,3，NA，NA( 的数据框 A。不知道为什么 for 循环不起作用。谢谢！

Answer 1

随着data.table的非等值连接并在连接中更新，这将成为

library(data.table)
setDT(A)[, Interest := NULL][
setDT(B), on = .(ID, date >= date_1, date <= date_2), Interest := Int][]

ID       date Interest
1:  1 1900-01-01        1
2:  1 1900-11-01        2
3:  1 1902-01-01        2
4:  2 1903-01-01        3
5:  2 1905-01-01       NA
6:  3 1900-01-01       NA

请注意，在更新联接之前，必须从A中删除Interest列，因为它是使用逻辑类型的NA初始化的，而替换值是双精度类型，并且向量列只能保存一种类型的数据。

Answer 2

1(使用SQL，可以直接表示：

library(sqldf)
sqldf("select A.*, B.Int from A 
left join B on A.ID = B.ID and A.date between B.date_1 and B.date_2")

给：

ID       date Interest Int
1  1 1900-01-01       NA   1
2  1 1900-11-01       NA   2
3  1 1902-01-01       NA   2
4  2 1903-01-01       NA   3
5  2 1905-01-01       NA  NA
6  3 1900-01-01       NA  NA

2(如果你真的想使用循环，那么循环遍历A的行，对于每一行，在B中抓取相应的元素：

Table <- A
for(i in 1:nrow(A)) {
ix <- which(A$ID[i] == B$ID & A$date[i] >= B$date_1 & A$date[i] <= B$date_2)[1]
Table$Int[i] <- B$Int[ix]
}
Table

给：

ID       date Interest Int
1  1 1900-01-01       NA   1
2  1 1900-11-01       NA   2
3  1 1902-01-01       NA   2
4  2 1903-01-01       NA   3
5  2 1905-01-01       NA  NA
6  3 1900-01-01       NA  NA

Answer 3

我们可以使用fuzzyjoin

library(fuzzyjoin)
library(dplyr)
fuzzy_left_join(A, B, by = c('ID', 'date' = 'date_1', 'date' = 'date_2'),
match_fun = list(`==`, `>=`, `<=`)) %>%
transmute(ID = ID.x, date, Interest = Int)
#   ID       date Interest
#1  1 1900-01-01        1
#2  1 1900-11-01        2
#3  1 1902-01-01        2
#4  2 1903-01-01        3
#5  2 1905-01-01       NA
#6  3 1900-01-01       NA