如何基于多条件合并两个DataFrame以匹配患者治疗与检测数据？

问题背景 #

需要合并两个DataFrame以匹配患者生物检测时的对应治疗方案：

• data.frame1：存储患者就诊记录，包含ID、就诊日期Date1、就诊次数Num_Visit、治疗方案Treatment
• data.frame2：存储患者生物检测记录，包含ID、检测日期Date2、就诊次数、生物指标Gly

已知两表的Num_Visit无法直接匹配，原尝试代码未得到预期结果：

result <- data.frame1 %>%
  left_join(data.frame2, by = "ID") %>%
  group_by(ID, Date1) %>%
  filter(between(Date2, lag(Date1), lead(Date1, default = last(Date1)))) %>%
  summarise(Gly = first(Gly))

期望输出格式如下：

data.frame3 <- data.frame(
  ID = c(1, 1, 2, 2, 2, 3, 3, 3),
  Date2 = c(1, 8, 20, 24, 34, 25, 41, 57),
  Num_Visit = c(1, 2, 1, 2, 3, 1, 2, 3),
  Gly = c(1.1, 1.3, 1.1, 0.9, 1.4, 1.0, 1.8, 0.8),
  Treatment = c("A", "B", "E", "A", "A", "D", "C", "E")
)

原代码问题 #

原代码核心逻辑错误在于分组方式：按ID和Date1分组后，每个分组仅对应单次就诊记录，无法关联患者所有检测日期；同时lag(Date1)和lead(Date1)在该分组下无法生成有效时间区间，导致筛选逻辑失效。

解决方案 #

以下提供两种基于dplyr的可靠实现方式，确保每个检测日期匹配到对应治疗方案：

方法1：时间区间匹配法

先为每条就诊记录生成有效区间（当前就诊日期至下一次就诊日期），再将检测日期匹配至对应区间：

library(dplyr)

# 预处理就诊表：生成每个就诊的结束时间（下一次就诊日期，最后一次设为无穷大）
df1_processed <- data.frame1 %>%
  arrange(ID, Date1) %>%
  group_by(ID) %>%
  mutate(next_Date1 = lead(Date1, default = Inf)) %>%
  ungroup()

# 匹配检测日期到对应就诊区间
result <- data.frame2 %>%
  arrange(ID, Date2) %>%
  left_join(df1_processed, by = "ID") %>%
  # 筛选处于当前就诊区间内的检测记录
  filter(Date2 >= Date1 & Date2 < next_Date1) %>%
  # 整理为期望输出格式
  select(ID, Date2, Num_Visit = Num_Visit.y, Gly, Treatment) %>%
  arrange(ID, Date2)

方法2：最近就诊匹配法

找到每个检测日期之前的最近一次就诊记录，直接匹配该就诊对应的治疗方案：

library(dplyr)
library(fuzzyjoin)

result <- data.frame2 %>%
  arrange(ID, Date2) %>%
  # 模糊匹配：ID相同，且检测日期晚于/等于就诊日期
  fuzzy_left_join(
    data.frame1 %>% arrange(ID, Date1),
    by = c("ID" = "ID", "Date2" = "Date1"),
    match_fun = list(`==`, `>=`)
  ) %>%
  group_by(ID, Date2) %>%
  # 保留每个检测日期对应的最近一次就诊记录
  filter(Date1 == max(Date1)) %>%
  ungroup() %>%
  # 整理为期望输出格式
  select(ID, Date2, Num_Visit = Num_Visit.x, Gly, Treatment) %>%
  arrange(ID, Date2)

注意事项 #

• 确保Date1和Date2为日期类型或可比较的数值类型，若为字符型需先转换：as.Date(Date1, format = "%Y-%m-%d")（根据实际日期格式调整）
• 两种方法最终输出结构与data.frame3完全一致，可根据数据规模选择：方法1效率更高，方法2逻辑更直观

内容的提问来源于stack exchange，提问作者Jilano