如何在dplyr::join_by中结合分组变量与不等连接？

要实现动态分组变量的不等连接，核心是动态生成join_by()的条件列表，把提取到的分组变量和固定不等条件结合起来。借助rlang包的符号转换与拼接功能即可完成，完全适配dplyr/Tidyverse生态，兼容dbplyr。

核心修改思路 #

1. 将分组变量字符串（group_vars）转为dplyr可识别的符号对象
2. 合并分组变量的相等连接条件与固定不等条件（size >= break_min、size < break_max）为统一条件列表
3. 用!!!运算符将条件列表动态传入join_by()

修改后的核心代码 #

library(rlang)

# 动态构建join条件
join_conditions <- c(
  syms(group_vars),
  expr(size >= break_min),
  expr(size < break_max)
)

# 执行连接
grouped_df %>%
  inner_join(breaks, by = join_by(!!!join_conditions)) %>%
  select(-break_min, -break_max) %>%
  select(all_of(group_vars), port_b, everything())

完整可运行代码 #

library(dplyr, warn.conflicts = FALSE)
library(tidyr)
library(rlang)

# 生成数据代码
set.seed(2023)

df <-
  expand_grid(month = seq(as.Date("2010-01-01"),
                          as.Date("2020-01-01"), by = "1 month"),
              port_a = 1:5L, 
              id = 1:100L) %>%
  mutate(size = runif( nrow(.), min = 1000, max = 10000),
         ret = rnorm(n = nrow(.)))

get_breaks <- function(data, var, n_portfolios) {
  probs <- seq(0, 1, length.out = n_portfolios + 1)
  data %>% 
    summarize(port_b = list(1:(n_portfolios + 1)), 
              breaks = list(quantile({{ var }}, probs)),
              .groups = "keep") %>%
    unnest(cols = c(port_b, breaks)) %>%
    arrange(port_b) %>%
    mutate(break_min = breaks, break_max = lead(breaks)) %>%
    filter(port_b < n_portfolios + 1) %>%
    select(-breaks) %>%
    ungroup()
}
  
grouped_df <- df %>% group_by(month, port_a)
group_vars <- group_vars(grouped_df)
breaks <- get_breaks(grouped_df, size, 5) 

# 动态构建join条件并执行连接
join_conditions <- c(syms(group_vars), expr(size >= break_min), expr(size < break_max))

grouped_df %>%
  inner_join(breaks, by = join_by(!!!join_conditions)) %>%
  select(-break_min, -break_max) %>%
  select(all_of(group_vars), port_b, everything())

关键说明 #

• syms(group_vars)：把分组变量的字符串向量转为符号列表，让join_by()识别为同名列的相等连接条件
• expr()：创建不等条件的表达式对象，保证语法符合dplyr要求
• !!!：将条件列表中的元素逐个“展开”传入join_by()，效果等价于手动写出所有条件
• 该方案完全兼容dbplyr，所有操作都是Tidyverse的非标准求值语法，能被正确翻译为SQL

内容的提问来源于stack exchange，提问作者Ian Gow