R语言中无需转换为data.table实现滚动连接的替代方案

针对将销售记录匹配到当天或之前最近商业推广记录的需求，以下是几种无需转换data.table的实现方案：

方案一：Base R原生实现（无额外依赖） #

核心利用findInterval的二分查找能力，高效定位匹配位置：

# 确保商业推广数据按日期排序（若未排序）
commercials_sorted <- commercials[order(commercials$date), ]

# 用findInterval获取每个销售日期对应的匹配位置
# 返回值为：销售日期在商业日期序列中"小于等于它的最大位置"
match_pos <- findInterval(sales$date, commercials_sorted$date)

# 处理无匹配的情况（如销售日期早于所有商业推广）
commercials_matched <- rbind(
  data.frame(date = NA, commercialID = NA),  # 用于填充无匹配的记录
  commercials_sorted
)[match_pos + 1, ]

# 合并到销售数据
sales_result <- cbind(sales, commercials_matched)

说明：完全依赖Base R，无需额外安装包，findInterval基于二分查找实现，大数据集下性能接近data.table。

方案二：tidyverse生态实现（可读性优先） #

用dplyr的行处理能力，直观实现匹配逻辑：

library(dplyr)
library(purrr)

sales_result <- sales %>%
  rowwise() %>%
  # 对每一行销售记录，筛选出日期<=当前销售日期的商业推广，取最后一条（最近的）
  mutate(matched_commercial = list(
    commercials %>% 
      filter(date <= cur_data()$date) %>% 
      slice_tail(n = 1)
  )) %>%
  # 展开匹配结果，无匹配时保留空行
  unnest(matched_commercial, keep_empty = TRUE)

说明：代码逻辑清晰易懂，适合需要高可读性的场景，但rowwise在超大数据集下性能会低于Base R方案。

方案三：fuzzyjoin包实现（简洁专业） #

fuzzyjoin专为非精确匹配设计，代码更简洁：

library(fuzzyjoin)
library(dplyr)

sales_result <- fuzzy_left_join(
  sales,
  commercials,
  by = "date",
  match_fun = `<=`  # 匹配条件：商业日期 <= 销售日期
) %>%
  # 按销售ID分组，每组取最近的商业推广（日期最大的那条）
  group_by(saleID) %>%
  slice_max(date.y, n = 1, with_ties = FALSE) %>%
  ungroup() %>%
  # 调整列名，保留原销售日期
  rename(date = date.x, commercial_date = date.y) %>%
  select(date, saleID, commercialID, commercial_date)

说明：语义明确代码简洁，但需要额外安装fuzzyjoin包，性能介于Base R和tidyverse rowwise方案之间。

内容的提问来源于stack exchange，提问作者carl