如何用dplyr基于另一表的条件筛选符合资格的客户ID？

当然可以用dplyr轻松搞定，完全不用写遍历循环的代码，下面给你两种实用的实现思路，先拿示例数据演示：

示例数据 #

先构造两个测试表：

library(dplyr)

# 表1：客户促销信息
promotions <- tibble(
  customer_id = c(1, 2, 3),
  promo_start = as.Date(c("2023-01-01", "2023-02-01", "2023-03-01")),
  promo_end = as.Date(c("2023-01-10", "2023-02-10", "2023-03-10"))
)

# 表2：客户购买记录
purchases <- tibble(
  customer_id = c(1, 2, 3),
  purchase_date = as.Date(c("2023-01-05", "2023-01-15", "2023-03-15"))
)

思路一：标记所有客户是否为受益人 #

如果需要在原促销表基础上，给每个客户添加「是否在促销期内购买」的标记，用以下代码：

promotions_with_benefit <- promotions %>%
  left_join(purchases, by = "customer_id") %>%
  group_by(customer_id, promo_start, promo_end) %>%
  mutate(is_beneficiary = any(purchase_date >= promo_start & purchase_date <= promo_end, na.rm = TRUE)) %>%
  ungroup() %>%
  distinct(customer_id, .keep_all = TRUE)

print(promotions_with_benefit)

• 先用left_join把两个表按客户ID关联，确保每个促销记录都能匹配到对应的购买记录
• 按客户ID和促销信息分组，用any()判断该客户是否存在符合条件的购买日期（na.rm=TRUE是处理那些没有购买记录的客户）
• 最后去重，保留每个客户的唯一记录

思路二：直接筛选出符合条件的客户 #

如果只需要从促销表里提取出确实在促销期内有购买的客户，用semi_join更高效：

qualified_customers <- promotions %>%
  semi_join(purchases, by = "customer_id") %>%
  filter(
    exists(
      ~ any(purchase_date >= promo_start & purchase_date <= promo_end),
      data = purchases %>% filter(customer_id == !!cur_data()$customer_id)
    )
  )

print(qualified_customers)

• semi_join先过滤掉那些完全没有购买记录的客户
• 再用filter结合exists()，检查每个客户的购买记录中是否存在处于其促销区间内的日期

两种方法都能替代你之前的遍历思路，而且更符合tidyverse的风格，代码简洁还易维护。

内容的提问来源于stack exchange，提问作者GitZine