R 精确日期的左连接值，如果缺少，则查找上一个值

我有两个数据集df1和df2，它们都有共同的列date和country，用于左键连接数据集，特别是来自df2的列price。如果没有精确的匹配日期和国家，则丢失的值将按国家填充上一行的值。到目前为止，这种方法效果很好

但是，如果没有与国家的第一次观察结果完全匹配，我会遇到问题，因为这样就不可能用前一行填充它。在这种情况下，NA（如第1行）；2015-07-18应填写df2之前的值，其中包含2015-07-15的观察结果。重要的是，我要匹配准确日期或前一日期的最新已知值，而不是最近的日期，即2017-07-20

在最终表格中，2015-07-18英国的价格应为2.5，这是最后一个已知值

下面是当前表格和示例数据

   date         country   price
1  2015-07-18   UK        NA  
2  2015-07-20   UK        3.0  
3  2015-07-21   UK        2.7
4  2015-07-22   UK        4.5
5  2015-07-25   UK        4.6
6  2015-07-19   US        1.3
7  2015-07-20   US        2.7
8  2015-07-21   US        3.9
9  2015-07-22   US        2.8
10 2015-07-24   US        2.5

你可以尝试完全加入

---

Tho Vu击败了我，但我的解决方案非常相似：

full_join(df1,df2) %>% 
    arrange(country, date) %>% 
    mutate(price=ifelse(is.na(price), lag(price), price))

---

下面是一个在data.table中使用滚动联接的选项，该选项较短且应该快得多：

library(data.table)
setDT(df1)
setDT(df2)
df1[, price := df2[.SD, on=.(country, date), roll=Inf, price]]

输出：

          date country price
 1: 2015-07-18      UK   2.5
 2: 2015-07-20      UK   3.0
 3: 2015-07-21      UK   2.7
 4: 2015-07-22      UK   4.5
 5: 2015-07-25      UK   4.6
 6: 2015-07-19      US   1.3
 7: 2015-07-20      US   2.7
 8: 2015-07-21      US   3.9
 9: 2015-07-22      US   2.8
10: 2015-07-24      US   2.5

数据：

编辑：查找多个列：

cols <- c("price", "cost", "revenue") 
df1[, (cols) := df2[.SD, on=.(country, date), roll=Inf, mget(cols)]]

---

我可能会先尝试完全连接，而不是左连接，然后在填充之后，在最后进行df1的右连接…感谢您的回复，这让我非常接近我想要的位置。这里唯一的小错误是df现在有11行，但每个国家应该只有10行5行。错误来自第5行，因为在2015-07-24 UK上应该没有条目，因为df1中也没有条目。未将其过滤掉，因为美国有2015-07-24这一日期的条目。有什么建议吗？太棒了，这正是我想要的。也许还有一点，如果我有几个专栏而不是价格，你能推荐一种方法吗。有什么快速的方法吗？如果对你有帮助的话，我很高兴。在这一点上，我认为如果您有多个列，我们可以使用相同的方法。然而，我担心还有其他更好的解决方法。这似乎是一个非常简短和快速的解决方案。如果df2中有多个列，它也可以工作吗？让我们假设还有成本和收入两列？有没有一种方法可以指定所有列？是的，你可以使用mget来获取这些列。在这种情况下，对于mget的具体使用有何建议？谢谢谢谢，正如预期的那样，代码非常简单。@edmond，你不必更改标记的答案，因为你的OP中有dplyr标记。你可以选择你选择的上一个答案。

          date country price
 1: 2015-07-18      UK   2.5
 2: 2015-07-20      UK   3.0
 3: 2015-07-21      UK   2.7
 4: 2015-07-22      UK   4.5
 5: 2015-07-25      UK   4.6
 6: 2015-07-19      US   1.3
 7: 2015-07-20      US   2.7
 8: 2015-07-21      US   3.9
 9: 2015-07-22      US   2.8
10: 2015-07-24      US   2.5

date <- as.Date(c("2015-07-18", "2015-07-20", "2015-07-21", "2015-07-22", "2015-07-25", "2015-07-19", "2015-07-20",
    "2015-07-21", "2015-07-22", "2015-07-24"))
country <- c("UK", "UK", "UK", "UK", "UK", "US", "US", "US", "US", "US")
df1 <- data.frame(date, country)

date <- as.Date(c("2015-07-15", "2015-07-20", "2015-07-21", "2015-07-22", "2015-07-24", "2015-07-19", "2015-07-20",
    "2015-07-21", "2015-07-22", "2015-07-24"))
country <- c("UK", "UK", "UK", "UK", "UK", "US", "US", "US", "US", "US")
price <- c(2.5, 3.0, 2.7, 4.5, 4.6, 1.3, 2.7, 3.9, 2.8, 2.5)
df2 <- data.frame(date, country, price)

cols <- c("price", "cost", "revenue") 
df1[, (cols) := df2[.SD, on=.(country, date), roll=Inf, mget(cols)]]