R 两个数据帧之间的多次比较，而不使用；至于；

我有两个数据帧（

df1

和

df2

），结果是

guest\u id

、

money

、和

date

我想通过使用这3个参数来确定第一个数据帧中的元素是否也在第二个数据帧中。为此，我希望使用一个变量，我将在

df1

中添加该变量，并将其命名为

match

，如果

df1

中的元素也在

df2

中，则取1，否则取0

但是，它们并不完全匹配（因为报告中有一些错误），所以我不能简单地通过这3列或类似的内容来合并它们

因此，我想做一些简单的比较，知道：

• 来宾id比较没有错误，因此我想检查

  df1的
  来宾id
  何时与
  df2的
  来宾id
  匹配

• 警告：来宾id可能会在数据框中出现多次
• 当客人在

  df1

  和

  df2

  时，我想检查

  钱和
  日期。我想这样做：
  
  对于
  money
  而言，将
  df1
  中的
  钱与
  df2
  中可能出现的所有
  钱
  进行区分（但同样仅针对给定的
  来宾id
  ）。如果出现接近0的情况（介于-1和1之间，或
  ），我建议先进行左连接，然后应用您的条件并查找df1中的任何原始行是否匹配：
  
  library('stringr')
  library('dplyr')
  
  df3 <- left_join(df1, df2, by = 'guest_id') %>%
    mutate_at(vars(contains('date')), ymd) %>%
    # Checking for your condition
    mutate(match = (abs(money.x - money.y) < 1) & (abs(date.x - date.y) < 5)) %>%
    # Cleaning data.frame a bit
    select(-money.y, -date.y) %>%
    setNames(str_replace(names(.), '\\.x', '')) %>%
    # Finding if rows had a match
    group_by(guest_id, money, date) %>%
    summarise(match = any(match, na.rm = TRUE))
  
  df3
  
  最新版本的
  data.table
  支持非常方便和高效的非相等联接，尤其是与联接更新和分组方式
  相结合。EACHI
  ：
  
  library(data.table)   # CRAN version 1.10.4 used
  # tolerances
  tol_m <- 1
  tol_d <- 5
  
  data.table(df1)[
    # join with modified df2
    data.table(df2)[
      # create helper columns for non-equi joins
      , `:=`(m1 = money - tol_m, m2 = money + tol_m, 
             d1 = date - tol_d, d2 = date + tol_d)]
    # non-equi join
    , on = c("guest_id", "money>=m1", "money<=m2", "date>=d1", "date<=d2"), 
    # aggregate group-wise, grouped by join conditions, prettify result
    match := .N, by = .EACHI][, match := as.integer(!is.na(match))][]
  
  如果没有非等联接，我们将不得不创建所有可能组合的笛卡尔积，并消除那些不符合条件的行。
  看看
  fuzzyjoin
  包，尽管我确信使用了两个合并列（其中一个是模糊列，另一个不是）这是可能的。谢谢！乍一看，它似乎确实可以帮助我尝试的Lotineded，而且显然比使用Andrey的方法快得多（尽管两者都很好）。非常感谢！如果
  df1
  或
  df2
  是大对象，如果使用
  setDT（）
  而不是
  data.table（），您可以保护内存和时间
  。后者复制时保留原始数据。帧不变，而
  setDT（）
  强制到位，即不复制，复制速度更快，但会更改
  df1
  和
  df2
  。
  library('stringr')
  library('dplyr')
  
  df3 <- left_join(df1, df2, by = 'guest_id') %>%
    mutate_at(vars(contains('date')), ymd) %>%
    # Checking for your condition
    mutate(match = (abs(money.x - money.y) < 1) & (abs(date.x - date.y) < 5)) %>%
    # Cleaning data.frame a bit
    select(-money.y, -date.y) %>%
    setNames(str_replace(names(.), '\\.x', '')) %>%
    # Finding if rows had a match
    group_by(guest_id, money, date) %>%
    summarise(match = any(match, na.rm = TRUE))
  
  df3
  
  # A tibble: 6 x 4
  # Groups:   guest_id, money [?]
    guest_id money       date match
       <int> <dbl>     <date> <lgl>
  1        1  10.2 2017-01-01  TRUE
  2        1  10.3 2000-01-01 FALSE
  3        1  50.0 2017-01-01 FALSE
  4        2   9.5 2017-01-01  TRUE
  5        2  10.5 2017-01-01  TRUE
  6        3 100.0 2000-01-01 FALSE
  
  df1 <- structure(list(guest_id = c(1L, 1L, 1L, 2L, 2L, 3L), money = c(10.2, 
  10.3, 50, 10.5, 9.5, 100), date = c("2017-01-01", "2000-01-01", 
  "2017-01-01", "2017-01-01", "2017-01-01", "2000-01-01")), .Names = c("guest_id", 
  "money", "date"), class = "data.frame", row.names = c(NA, -6L
  ))
  
  df2 <- structure(list(guest_id = c(1L, 1L, 2L), money = c(10L, 10L, 
  10L), date = c("2017-01-01", "2015-01-01", "2017-01-03")), .Names = c("guest_id", 
  "money", "date"), class = "data.frame", row.names = c(NA, -3L
  ))
  
  library(data.table)   # CRAN version 1.10.4 used
  # tolerances
  tol_m <- 1
  tol_d <- 5
  
  data.table(df1)[
    # join with modified df2
    data.table(df2)[
      # create helper columns for non-equi joins
      , `:=`(m1 = money - tol_m, m2 = money + tol_m, 
             d1 = date - tol_d, d2 = date + tol_d)]
    # non-equi join
    , on = c("guest_id", "money>=m1", "money<=m2", "date>=d1", "date<=d2"), 
    # aggregate group-wise, grouped by join conditions, prettify result
    match := .N, by = .EACHI][, match := as.integer(!is.na(match))][]
  
     guest_id money       date match
  1:        1  10.2 2017-01-01     1
  2:        1  10.3 2000-01-01     0
  3:        1  50.0 2017-01-01     0
  4:        2  10.5 2017-01-01     1
  5:        2   9.5 2017-01-01     1
  6:        3 100.0 2000-01-01     0