R - sqldf [估算具有不同日期的两个数据集之间最接近的值]

问题描述

我在 R 中使用 sqldf 来合并两个数据集 A 和 B（合并键“id”），并且需要来自 B 的权重值。 规则是如果没有匹配的日期，则获取每次访问的 A 和 B 之间的壁橱日期。

1. A 中的第 2 天将从 B 中“2021-03-10”的记录中提取“重量”
2. A 中的第 4 天将从 B 中“2021-03-28”的记录中获得“重量”

数据 A：

A <- read.table(text = "
    ord,id,score,DATE,VISIT
    1,001,23,2021-03-01,DAY 0
    2,26,2021-03-03,DAY 1
    3,45,2021-03-10,DAY 2
    4,41,2021-03-20,DAY 3
    5,67,2021-03-26,DAY 4",header = TRUE,sep = ",")

数据 B：

B <- read.table(text = "
    ord,Weight,DATE
    1,100,2021-03-01
    2,100.5,2021-03-03
    3,101,2021-03-06
    4,103,2021-03-20
    5,102,2021-03-28",")

预期结果：

A_B <- read.table(text = "
    ord,VISIT,Weight
    1,DAY 0,100
    2,DAY 1,101
    3,DAY 2,100.5
    4,DAY 3,103
    5,DAY 4,102",")

解决方法

您可以将 nearest 滚动连接与 data.table 一起使用：

library(data.table)

setDT(A)
setDT(B)

A[,DATE:=as.Date(DATE)]
B[,DATE:=as.Date(DATE)]

B[A,.(ord,id,Score,DATE=i.DATE,VISIT,Weight),roll="nearest",on=.(id,DATE) ]
#>    ord id Score       DATE VISIT Weight
#> 1:   1  1    23 2021-03-01 DAY 0  100.0
#> 2:   2  1    26 2021-03-03 DAY 1  100.5
#> 3:   3  1    45 2021-03-10 DAY 2  101.0
#> 4:   4  1    41 2021-03-20 DAY 3  103.0
#> 5:   5  1    67 2021-03-26 DAY 4  102.0

如果您不熟悉 data.table，我发现此 tutorial 有助于将逻辑与 SQL 联系起来。

,

在行 id 上执行左连接分组，计算日期之间的最小差异 (diff)，作为副作用，这将拉入满足该最小值的行。

library(sqldf)

A$DATE <- as.Date(A$DATE)
B$DATE <- as.Date(B$DATE)

sqldf("select a.*,min(abs(a.DATE - b.DATE)) diff,b.Weight
  from A as a
  left join B as b using(id)
  group by a.rowid")

给予：

  ord id Score       DATE VISIT diff Weight
1   1  1    23 2021-03-01 DAY 0    0  100.0
2   2  1    26 2021-03-03 DAY 1    0  100.5
3   3  1    45 2021-03-10 DAY 2    4  101.0
4   4  1    41 2021-03-20 DAY 3    0  103.0
5   5  1    67 2021-03-26 DAY 4    2  102.0