无车辆编号时，从公共交通时刻表数据中匹配前序站点对应时间

我需要处理公共交通时刻表数据，为每条记录找到对应前序站点的、早于当前记录时间的最近时间，但数据中没有vehicle_number字段来区分不同车次。

测试数据如下：

library(tidyverse)

data <- tribble(
  ~stop, ~prev_stop, ~time,
  5, 4, 10,
  6, 5, 10.1,
  7, 6, 10.2,
  9, 7, 10.3,
  5, 4, 11,
  6, 5, 11.1,
  7, 6, 11.2,
  9, 7, 11.3,
  5, 4, 12,
  6, 5, 12.1,
  7, 6, 12.2,
  9, 7, 12.3
)

我尝试的代码逻辑存在语法错误，无法正确运行：

data %>% 
mutate(time_at_prev_stop = max(time[stop{in another row) == prev_stop{in current row}] & time {in target row}<time{in current row}))

可行解决方案 #

方法1：使用purrr::map2逐行匹配 #

这种方法直观易懂，适合小数据集：

data <- data %>%
  mutate(
    # 遍历每条记录的prev_stop和time，筛选对应前序站点且时间更早的最大时间
    time_at_prev_stop = map2_dbl(prev_stop, time, 
                                 ~ max(data$time[data$stop == .x & data$time < .y], na.rm = TRUE))
  ) %>%
  # 处理无匹配的情况（比如第一条记录prev_stop=4无对应站点），将-Inf替换为NA
  mutate(time_at_prev_stop = ifelse(time_at_prev_stop == -Inf, NA, time_at_prev_stop))

运行后结果：

方法2：自连接（适合大数据量） #

自连接的效率更高，避免逐行遍历的性能损耗：

# 先构建站点-到达时间的映射表
data_prev <- data %>%
  select(stop_to_match = stop, prev_time = time)

# 自连接匹配前序站点，筛选并保留最近的时间
data <- data %>%
  left_join(data_prev, by = c("prev_stop" = "stop_to_match")) %>%
  filter(prev_time < time) %>%
  group_by(stop, prev_stop, time) %>%
  slice_max(prev_time, n = 1) %>%
  ungroup() %>%
  right_join(data, by = c("stop", "prev_stop", "time")) %>%
  rename(time_at_prev_stop = prev_time)

原代码问题说明 #

你尝试的代码存在两处核心问题：

• 错误使用{}指代其他行，R中需要用向量筛选的方式（如data$stop == .x）定位目标数据
• 逻辑条件的语法错误，max函数的参数应该是符合筛选条件的时间向量，而非逻辑判断向量

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