如果不可能精确匹配,则在最大匹配值上Dplyr join
我正在尝试连接dplyr中的两个表。有时可以精确匹配列年份,但在某些情况下,匹配年份不可用。 在这种情况下,我想在最长的一年加入如果不可能精确匹配,则在最大匹配值上Dplyr join,r,join,dplyr,fuzzyjoin,R,Join,Dplyr,Fuzzyjoin,我正在尝试连接dplyr中的两个表。有时可以精确匹配列年份,但在某些情况下,匹配年份不可用。 在这种情况下,我想在最长的一年加入 Left <- tibble(id = c(1,2,3), year = c(2010,2010,2012)) Right <- tibble(id = c(1,1,2,3,3), year = c(2010,2011,2010,2010,2011), new = c(T,T,T,T,
Left <- tibble(id = c(1,2,3),
year = c(2010,2010,2012))
Right <- tibble(id = c(1,1,2,3,3),
year = c(2010,2011,2010,2010,2011),
new = c(T,T,T,T,T))
Joined <- left_join(Left, Right, by = c("id", "year"))
# A tibble: 3 x 3
id year new
<dbl> <dbl> <lgl>
1 1 2010 TRUE
2 2 2010 TRUE
3 3 2012 NA
Left我会在id和year上使用一个Left连接,然后过滤以获得年度的最佳匹配
left_join(Left, Right, by = "id", suffix = c("", "_r")) %>%
mutate(delta = year - year_r) %>%
filter(delta >= 0) %>%
group_by(id, year) %>%
slice(which.min(delta)) %>%
select(-delta)
# A tibble: 3 x 4
# Groups: id, year [3]
id year year_r new
<dbl> <dbl> <dbl> <lgl>
1 1 2010 2010 TRUE
2 2 2010 2010 TRUE
3 3 2012 2011 TRUE
left_join(left,Right,by=“id”,后缀=c(“,“_r”))%>%
变异(增量=年份)%>%
过滤器(增量>=0)%>%
分组依据(id,年份)%>%
切片(哪个.min(增量))%>%
选择(-delta)
#一个tibble:3x4
#组:id,年份[3]
身份证年份新
2010年1月1日真实
2010年2月2日真实
3 2012年3月2011年真实
可能会有更有效的解决方案,但这对中等大小的数据集很有效。在这种情况下,请详细说明,我希望在最长年份加入?@Sotos,在id==3的情况下,不进行匹配,因此我希望将左边的行与右边表上具有最长年份值的行进行匹配。我编辑了问题中的示例,因此右表中有两个id==3的值。我想将左id==3连接到右行id==3&year==2011@RichardTelford,一个完整的连接会给我6行,我应该做什么过滤操作?
left_join(Left, Right, by = "id", suffix = c("", "_r")) %>%
mutate(delta = year - year_r) %>%
filter(delta >= 0) %>%
group_by(id, year) %>%
slice(which.min(delta)) %>%
select(-delta)
# A tibble: 3 x 4
# Groups: id, year [3]
id year year_r new
<dbl> <dbl> <dbl> <lgl>
1 1 2010 2010 TRUE
2 2 2010 2010 TRUE
3 3 2012 2011 TRUE