多列匹配条件下将df2数据映射到df1的R语言实现问题

需求说明 #

需要为df1新增列NewData.copied，规则如下：

• 当df1$Name与df2$Name匹配，且df1$Date > df2$Date时，填入对应的df2$NewData值
• 必须保留df1的所有原始观测
• 此前尝试%in%、match+mapply时，出现错误：longer argument not a multiple of length of shorter

示例数据 #

df1 = data.frame("Name" = c("John", "Jake", "John", "Jake"), "Date" = c("2020-01-03", "2020-01-02", "2020-01-03", "2020-01-04"))
df2 = data.frame("Name" = c("John", "Jake", "John", "Jake"), "Date" = c("2020-01-03", "2020-01-01", "2020-01-01", "2020-01-04"), "NewData" = c("Stuff1", "Stuff2", "Stuff3", "Stuff4"))

前置处理：转换日期格式 #

首先要把字符型的Date转为日期类型，否则无法正确比较大小：

df1$Date <- as.Date(df1$Date)
df2$Date <- as.Date(df2$Date)

解决方案 #

方法1：使用dplyr（tidyverse） #

通过连接+分组筛选的方式实现，确保保留所有df1观测：

library(dplyr)

df1_result <- df1 %>%
  # 按Name左连接df2，区分两个表的Date列
  left_join(df2, by = "Name", suffix = c(".df1", ".df2")) %>%
  # 筛选符合Date条件的记录
  filter(Date.df1 > Date.df2) %>%
  # 按Name和df1的Date分组，取df2中最新日期对应的NewData（和示例结果一致）
  group_by(Name, Date.df1) %>%
  slice_max(Date.df2) %>%
  ungroup() %>%
  # 整理列名
  select(Name, Date = Date.df1, NewData.copied = NewData) %>%
  # 右连接回原始df1，补全未匹配的观测为NA
  right_join(df1, by = c("Name", "Date")) %>%
  select(Name, Date, NewData.copied)

方法2：使用Base R #

通过逐行筛选匹配记录实现：

df1$NewData.copied <- sapply(1:nrow(df1), function(i) {
  # 筛选df2中Name匹配且Date小于当前df1行Date的记录
  match_rows <- df2[df2$Name == df1$Name[i] & df2$Date < df1$Date[i], ]
  if (nrow(match_rows) == 0) {
    # 无匹配时返回NA
    NA_character_
  } else {
    # 取匹配记录中最新日期对应的NewData
    match_rows$NewData[which.max(match_rows$Date)]
  }
})

错误原因解释 #

使用%in%或match+mapply出现长度不匹配错误，是因为df1和df2的匹配关系并非一对一：每个Name对应的Date记录数不一致，简单的向量匹配无法处理这种多对多/一对多的条件匹配场景，必须针对每行做针对性筛选或通过连接后分组处理。

预期结果 #

运行上述任意方法后，df1（或df1_result）的结果如下：

Name       Date NewData.copied
1 John 2020-01-03         Stuff3
2 Jake 2020-01-02         Stuff2
3 John 2020-01-03         Stuff3
4 Jake 2020-01-04           <NA>

内容的提问来源于stack exchange，提问作者user17661126