基于PipeYear筛选数据框：取PropertyYearBuilt的最近下方与最远上方值

我们可以通过分组处理实现需求，这里使用dplyr包完成数据筛选操作：

核心逻辑 #

按PropertyYearBuilt分组后，针对每组执行两个筛选动作：

• 从PipeYear小于PropertyYearBuilt的记录里，保留PipeYear最大的那条（即最接近目标年份的记录）
• 从PipeYear大于PropertyYearBuilt的记录里，保留PipeYear最大的那条（即最远大于目标年份的记录）
  最后将两组结果合并得到最终数据框。

完整代码 #

# 加载dplyr包
library(dplyr)

df <- read.table(text="
PipeID  PricePipe   PipeYear PropertyYearBuilt  Distance_to_property
    a       500         2010     2013               1.5
    b       600         2007     2008               2.5
    c       700         2009     2008               3.0
    d       800         1998     2000               4.2
    e       900         2003     2000               4.5
    f       200         2014     2013               5.0
    g       100         2011     2013               5.5
    h       850         2018     2008               7.0", header = TRUE)

# 执行筛选
filtered_df <- df %>%
  group_by(PropertyYearBuilt) %>%
  group_modify(~ {
    # 筛选小于目标年份且最接近的记录
    lower_record <- .x %>% filter(PipeYear < .y$PropertyYearBuilt) %>% slice_max(PipeYear)
    # 筛选大于目标年份且最远的记录
    upper_record <- .x %>% filter(PipeYear > .y$PropertyYearBuilt) %>% slice_max(PipeYear)
    # 合并结果
    bind_rows(lower_record, upper_record)
  }) %>%
  ungroup()

# 查看最终结果
print(filtered_df)

输出结果 #

# A tibble: 6 × 5
  PipeID PricePipe PipeYear PropertyYearBuilt Distance_to_property
  <chr>      <int>    <int>             <int>                <dbl>
1 g            100     2011              2013                  5.5
2 f            200     2014              2013                  5.0
3 b            600     2007              2008                  2.5
4 h            850     2018              2008                  7.0
5 d            800     1998              2000                  4.2
6 e            900     2003              2000                  4.5

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