使用R的tidyverse筛选big_df中ID对应日期早于且最接近small_df的记录

现有两个包含小鼠ID与日期的数据集big_df和small_df，要求用tidyverse风格编写代码，针对small_df中的每个ID，筛选big_df里日期早于该ID对应small_df日期且最接近的记录，最终输出包含ID、对应日期及value字段的big_df子集。

示例数据集代码 #

library(tidyverse)

# 构建big_df：每个ID对应5条连续日期的记录
big_df <- tibble(
  ID = rep(1:10, each = 5),
  date = rep(seq(as.Date("2022-01-01"), as.Date("2022-01-05"), by = "days"), 10),
  value = sample(15:25, 50, replace = TRUE)
)

# 构建small_df：包含8个ID的目标日期
small_df <- tibble(
  ID = 1:8,
  date = c("2022-01-05", "2022-01-04", "2022-01-03", "2022-01-02", 
           "2022-01-01", "2022-01-05", "2022-01-04", "2022-01-03")
) %>% mutate(date = as.Date(date))

核心解决方案代码 #

# 筛选符合要求的记录
result <- big_df %>%
  # 按ID关联两个数据集，区分两个日期字段
  inner_join(small_df, by = "ID", suffix = c("_big", "_small")) %>%
  # 只保留big_df中日期早于对应small_df日期的记录
  filter(date_big < date_small) %>%
  # 计算两个日期的差值（正数表示big日期更早）
  mutate(date_diff = date_small - date_big) %>%
  # 按ID分组，取每组中日期差最小的那条（即最接近目标日期的历史记录）
  group_by(ID) %>%
  slice_min(date_diff, n = 1, with_ties = FALSE) %>%
  ungroup() %>%
  # 整理输出字段名
  select(ID, date = date_big, value)

# 查看结果
print(result)

关键逻辑说明 #

• inner_join：只保留两个数据集共有的ID（即small_df中的1-8号），自动排除big_df中不存在于small_df的ID
• filter(date_big < date_small)：严格筛选出big_df中早于目标日期的记录，排除等于或晚于的情况
• slice_min(date_diff, n=1, with_ties=FALSE)：按ID分组后，取每组中日期差最小的单条记录；如果存在多条相同最小差值的记录，with_ties=FALSE会只取第一条（若需保留所有可去掉该参数）
• 最终通过select整理输出所需的字段，确保结果格式符合要求

内容的提问来源于stack exchange，提问作者microbe