如何在R语言semi_join中实现秒数±3秒的非精确匹配？

原代码的semi_join仅支持精确列匹配，要实现SECOND列允许±3秒范围偏差、其余列保持精确匹配的需求，可采用以下两种实现方式：

方法一：使用dplyr 1.1.0+的join_by()条件连接（推荐） #

这种方式语法直观，无需生成大量中间数据，执行效率更高：

library(dplyr)

match1 <- semi_join(datosvendor, datosclient,
                    join_by(DAY == DAY,
                            HOUR == HOUR,
                            MINUTE == MINUTE,
                            ANUM == ANUM,
                            BNUM == BNUM,
                            DURATION == DURATION,
                            # 限定两表SECOND列差值不超过±3秒
                            abs(SECOND.x - SECOND.y) <= 3))

代码说明 #

• 用join_by()替代传统by参数，支持自定义匹配规则
• 前6列保持==的精确匹配逻辑
• 最后一行通过绝对值判断，确保两表SECOND列的差值在3秒以内，满足±3秒的偏差要求

方法二：兼容旧版dplyr的实现方式 #

如果你的dplyr版本低于1.1.0，可先通过精确列做内连接，再过滤SECOND的偏差范围，最后提取唯一的vendor记录：

library(dplyr)

match1 <- datosvendor %>%
  # 先按精确列执行内连接
  inner_join(datosclient,
             by = c("DAY","HOUR","MINUTE","ANUM","BNUM","DURATION")) %>%
  # 筛选SECOND偏差在±3秒内的记录
  filter(abs(SECOND.x - SECOND.y) <= 3) %>%
  # 保留datosvendor中的唯一记录，避免重复
  distinct(across(all_of(names(datosvendor))), .keep_all = FALSE)

注意事项 #

• 确保两个数据框的SECOND列均为数值型（整数或小数）
• 若SECOND是整数，abs(SECOND.x - SECOND.y) <=3与范围判断（如SECOND.x >= SECOND.y -3 & SECOND.x <= SECOND.y +3）效果完全一致
• 方法二会生成中间连接结果，数据量较大时效率低于方法一

内容的提问来源于stack exchange，提问作者CLARA