如何在R中实现基于ID匹配和时间区间的Temporal join？

针对你的需求，需要将items和dates按照item_id与id相等，且items的date处于dates的from-to区间内的条件进行连接，以下是两种常用的实现方式：

方法一：使用dplyr（tidyverse生态） #

利用dplyr的left_join结合join_by可以直接指定区间匹配条件，步骤如下：

library(dplyr)

# 执行区间匹配连接
end_result <- items %>%
  left_join(dates, 
            by = join_by(item_id == id, date >= from, date <= to)) %>%
  # 按item_id和date分组，确保每个条目只保留一个匹配结果（无匹配则为NA）
  group_by(item_id, date) %>%
  slice_head(n = 1) %>%
  ungroup() %>%
  # 调整列顺序与预期结果一致
  select(item_id, date, from, to)

# 查看结果
print(end_result)

说明： #

• join_by(item_id == id, date >= from, date <= to)同时指定了ID匹配和区间匹配的双重条件；
• slice_head(n = 1)用于处理极端情况（比如某个date同时落在多个同ID的区间内），确保每个条目只保留第一个匹配；
• 最终结果中，无匹配的条目（如item_id=2的2022-01-04）会自动填充NA，符合预期。

方法二：使用data.table（高效处理大数据） #

data.table的区间连接语法更简洁，适合处理大规模数据：

library(data.table)

# 将数据框转换为data.table格式
setDT(items)
setDT(dates)

# 执行区间匹配连接
end_result <- items[dates, 
                    on = .(item_id = id, date >= from, date <= to),
                    .(item_id, date = x.date, from, to)]

# 查看结果
print(end_result)

说明： #

• on = .(item_id = id, date >= from, date <= to)指定连接条件，其中date >= from和date <= to实现区间匹配；
• x.date用于保留items中的原始date列，避免被连接过程中的区间起始值覆盖；
• 该方法会自动为无匹配的条目填充NA，结果与预期一致。

内容的提问来源于stack exchange，提问作者Basil