如何使用R/dplyr根據標準加入？

這里有一項艱巨的任務和一項更艱巨的任務......

所以假設有一個資料集如下：

DF1

ID     source                    timestamp
001         D       3/17/2021   1:22:10 AM
002         A       1/02/2021   8:25:20 AM         
002         A       5/17/2021  10:25:20 PM
003         B       5/11/2021   8:25:20 AM
003         D       5/17/2021   3:12:30 PM
004         A       5/17/2021   8:25:20 AM
004         B       5/17/2021   8:26:20 PM
004         C       5/17/2021   8:27:20 PM

注意：時間戳是一個 var 中的日期和時間）

我需要做的就是擁有一個新的資料框，它只是ID, SOURCE, AND TIMESTAMP最新條目的資料框。

最終結果應如下所示：

ID     source                    timestamp
001         D       3/17/2021   1:22:10 AM
002         A       5/17/2021  10:25:20 PM
003         D       5/17/2021   3:12:30 PM
004         C       5/17/2021   8:27:20 PM

完全分開，我有這個資料集：

DF2

ID      event                    timestamp
001         y       3/17/2021   1:23:10 AM
002         y       3/12/2021  12:25:20 PM
003         y       5/12/2021   1:12:30 PM
004         y       5/17/2021   8:26:30 AM

我想根據最新的 ID將 DF2 加入 DF1 。我的意思是，DF1 有 2 個條目用于ID = 002. 我希望 DF2 在 ID 上加入，但僅適用于最接近而不經過的時間戳。

最后結果：

ID     source               df1.1timestamp   event
001         D       3/17/2021   1:22:10 AM       y
002         A       1/02/2021   8:25:20 AM       y  
002         A       5/17/2021  10:25:20 PM
003         B       5/11/2021   8:25:20 AM       y
003         D       5/17/2021   3:12:30 PM
004         A       5/17/2021   8:25:20 AM
004         B       5/17/2021   8:26:20 PM       y
004         C       5/17/2021   8:27:20 PM

正如您在此處看到的，DF2中的事件與DF1 中的最新時間戳相結合。在 的情況下ID = 004，聯接發生在 上，5/17/2021 8:26:20 PM因為在DF2 中，事件發生在 上5/17/2021 8:26:30 AM。5/17/2021 8:26:20 PM是DF1中緊接在事件之前的事件的行。

uj5u.com熱心網友回復：

這種型別的連接在 dplyr* 中不容易實作，所以這里有一個 data.table 解決方案。

讀入資料。將來請使用，dput以便用戶可以直接在他們的會話中獲取示例資料。

library(data.table)

df1 <- fread('
ID     , source    ,               timestamp
001    ,      D    ,   3/17/2021   1:22:10 AM
002    ,      A    ,   1/02/2021   8:25:20 AM         
002    ,      A    ,   5/17/2021  10:25:20 PM
003    ,      B    ,   5/11/2021   8:25:20 AM
003    ,      D    ,   5/17/2021   3:12:30 PM
004    ,      A    ,   5/17/2021   8:25:20 AM
004    ,      B    ,   5/17/2021   8:26:20 PM
004    ,      C    ,   5/17/2021   8:27:20 PM
')

df2 <- fread('
ID      , event ,                   timestamp
001     ,     y     ,  3/17/2021   1:23:10 AM
002     ,     y     ,  3/12/2021  12:25:20 PM
003     ,     y     ,  5/12/2021   1:12:30 PM
004     ,     y     ,  5/17/2021   8:26:30 AM
')

# not required here, but would be if not read in as data.table
setDT(df1)
setDT(df2)

格式化日期時間并設定資料表的鍵

df1[, timestamp := as.POSIXct(timestamp, format = '%m/%d/%Y %r')]
df2[, timestamp := as.POSIXct(timestamp, format = '%m/%d/%Y %r')]

setkey(df1, ID, timestamp)
setkey(df2, ID, timestamp)

第1部分

df1[, tail(.SD, 1), ID]
#>    ID source           timestamp
#> 1:  1      D 2021-03-17 01:22:10
#> 2:  2      A 2021-05-17 22:25:20
#> 3:  3      D 2021-05-17 15:12:30
#> 4:  4      C 2021-05-17 20:27:20

第2部分：

df1[df2, event := i.event, on = .(ID), mult = 'first']

df1
#>    ID source           timestamp event
#> 1:  1      D 2021-03-17 01:22:10     y
#> 2:  2      A 2021-01-02 08:25:20     y
#> 3:  2      A 2021-05-17 22:25:20  <NA>
#> 4:  3      B 2021-05-11 08:25:20     y
#> 5:  3      D 2021-05-17 15:12:30  <NA>
#> 6:  4      A 2021-05-17 08:25:20     y
#> 7:  4      B 2021-05-17 20:26:20  <NA>
#> 8:  4      C 2021-05-17 20:27:20  <NA>

^{由reprex 包(v2.0.1)于 2021 年 9 月 30 日創建}

* 雖然看起來很快：https : //github.com/tidyverse/dplyr/pull/5910

標籤：r 加入 dplyr 整理宇宙

上一篇：Rails嵌套連接-Rails4

下一篇：如何在RailsActiveRecord中一次執行多個JOINS