如何合并不同长度的R data.table：将小时数据行重复关联15分钟数据

问题背景 #

现有两个不同时间粒度的data.table：

• d1是小时粒度数据，每条记录对应一个整点，包含时间戳ts_hr和变量var1_hr、var2_hr
• d2是15分钟粒度数据，每条记录对应15分钟间隔的时间点，包含时间戳ts_15和变量var_15

需求是把d1的每小时数据对应到d2中该小时的4个15分钟记录上，让d2新增var1_hr和var2_hr两列。

两种实现方案 #

方案一：先扩展d1再合并 #

先把d1的每行重复4次（对应1小时内的4个15分钟区间），生成匹配d2的15分钟时间戳后再合并：

# 扩展d1，每行重复4次
d1_expanded <- d1[rep(1:.N, each = 4)]
# 给扩展后的d1生成对应15分钟的时间戳
d1_expanded[, ts_15 := ts_hr + lubridate::minutes(c(0, 15, 30, 45))]
# 按时间戳合并d2和扩展后的d1
d2_merged <- merge(d2, d1_expanded, by = "ts_15", all.x = TRUE)

方案二：按小时时间对齐合并（推荐，效率更高） #

不需要提前扩展d1，直接把d2的时间戳截断到小时级别，再和d1按小时时间戳匹配，自动完成数据映射：

# 给d2添加小时粒度的时间戳列（用lubridate截断时间）
d2[, ts_hr := lubridate::floor_date(ts_15, "hour")]
# 按小时时间戳合并两个表
d2_merged <- merge(d2, d1, by = "ts_hr", all.x = TRUE)
# 可选：删除临时生成的ts_hr列
d2_merged[, ts_hr := NULL]

如果不想依赖lubridate包，也可以用base R实现时间截断：

d2[, ts_hr := as.POSIXct(trunc(ts_15, "hour"))]

方案二无需扩展数据，对于大数据集来说内存占用更低、运行更快，是这类时间粒度对齐场景的最优解。

内容的提问来源于stack exchange，提问作者JerryN