如何在R中按ID统计两个数据框的日期精确匹配数

问题分析 #

需要统计每个ID在两个数据框中同时出现的date数量，包括仅在一个数据框中出现的ID（计数为0），且数据量达400万条，需兼顾效率。

解决方案 #

方法1：Base R 实现 #

适合不想加载额外包的场景，逻辑清晰：

# 生成ID-date唯一标识（用interaction组合）
DF1$key <- interaction(DF1$ID, DF1$date)
DF2$key <- interaction(DF2$ID, DF2$date)

# 提取两个表共有的ID-date对
common_keys <- intersect(DF1$key, DF2$key)

# 按ID统计匹配数量
counts <- table(sub("\\..*", "", common_keys))

# 收集所有出现过的ID，补全无匹配的ID计数为0
all_ids <- unique(c(DF1$ID, DF2$ID))
result <- data.frame(
  ID = all_ids,
  Count = as.integer(counts[as.character(all_ids)])
)
result$Count[is.na(result$Count)] <- 0
result <- result[order(result$ID), ]

方法2：dplyr（tidyverse）实现 #

代码更简洁，可读性强：

library(dplyr)

result <- DF1 %>%
  # 内连接筛选出两个表都存在的ID-date对
  inner_join(DF2, by = c("ID", "date")) %>%
  # 按ID统计匹配次数
  count(ID, name = "Count") %>%
  # 关联所有出现过的ID，确保无匹配的ID被保留
  right_join(tibble(ID = unique(c(DF1$ID, DF2$ID))), by = "ID") %>%
  # 将无匹配的ID计数替换为0
  mutate(Count = replace_na(Count, 0)) %>%
  # 按ID排序
  arrange(ID)

方法3：data.table 实现 #

针对400万条大数据量优化，执行速度最快：

library(data.table)

# 转换为data.table格式
setDT(DF1)
setDT(DF2)

# 内连接筛选匹配的ID-date对，按ID计数
counts <- DF1[DF2, on = .(ID, date), nomatch = 0][, .(Count = .N), by = ID]

# 收集所有ID，左连接后补全无匹配的计数为0
all_ids <- unique(c(DF1$ID, DF2$ID))
result <- counts[.(ID = all_ids), on = .(ID)][is.na(Count), Count := 0][order(ID)]

对您之前尝试的问题说明 #

• aggregate方法：将两个表rbind后无法区分来源，且which参数的用法不符合aggregate的函数要求，无法直接筛选出两个表共有的date。
• table方法：仅筛选了ID存在交集的样本，但未处理date的匹配逻辑，无法统计具体的共同天数。

内容的提问来源于stack exchange，提问作者Tanya