如何在R中基于另一数据框的日期差过滤数据框？

需求说明 #

使用dplyr完成以下数据过滤，适配大数据框的分组场景：

• 主数据框df包含name、values（name的子类别）和gooddates字段，按name+values分组
• 过滤数据框filterdf包含name和baddates字段，按name分组
• 按name维度，排除df中所有gooddates处于对应baddates前0至2天（含当天）的记录

示例数据 #

df <- data.frame (name  = c("name_1", "name_1", "name_2", "name_2", "name_2", "name_3", "name_3", "name_3"),
                  values = c("value_1", "value_1", "value_2","value_4","value_4","value_3","value_3","value_3"),
                  gooddates = c("2022-02-02","2022-02-03","2022-02-04","2022-02-03","2022-02-04","2022-02-03","2022-02-04","2022-02-06"))

filterdf <- data.frame(name  = c("name_1", "name_2", "name_3", "name_3"),
                       baddates = c("2022-02-03","2022-02-03","2022-02-04","2022-02-05"))

原方法问题 #

之前尝试的对称过滤逻辑（abs(baddates - gooddates) < 2）无法满足需求，因为该逻辑会排除baddates前后2天的记录，而我们只需要排除baddates之前0-2天（含当天）的记录。

解决方案 #

library(dplyr)

# 转换日期列为Date类型，确保能进行日期运算
df <- df %>% mutate(gooddates = as.Date(gooddates))
filterdf <- filterdf %>% mutate(baddates = as.Date(baddates))

# 关联数据+分组过滤
result <- df %>%
  # 按name关联两个数据框，让每条df记录匹配对应name的所有baddates
  left_join(filterdf, by = "name") %>%
  # 按df的原始记录维度分组
  group_by(name, values, gooddates) %>%
  # 仅保留：当前gooddates不在任何对应baddates的前0-2天范围内的记录
  filter(all(baddates - gooddates < 0 | baddates - gooddates > 2)) %>%
  ungroup() %>%
  # 保留需要的字段并去重（关联后会产生重复行）
  select(name, values, gooddates) %>%
  distinct()

验证结果 #

运行上述代码后，得到的结果与期望一致：

# 输出结果
result
#>     name  values  gooddates
#> 1 name_2 value_2 2022-02-04
#> 2 name_2 value_4 2022-02-04
#> 3 name_3 value_3 2022-02-06

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