在R中从不同数据框提取符合日期范围条件的匹配ID列表

先修正示例代码的变量错误 #

原示例中FirstDtA和LastDtA引用了未定义的AdmissionDt，需改为AdmissionDtA：

IDA <- c(1:40)
AdmissionDtA <- seq(as.Date("2014-01-01"), as.Date("2014-02-09"), by="days")
FirstDtA <- AdmissionDtA - 2
LastDtA <- AdmissionDtA + 7
df.A <- data.frame(IDA, AdmissionDtA, FirstDtA, LastDtA)

IDB <- c(41:80)
AdmissionDtB <- seq(as.Date("2014-01-16"), as.Date("2014-02-24"), by="days")
df.B <- data.frame(IDB, AdmissionDtB)

方案一：data.table高效非等连接（推荐大数据量场景） #

data.table的非等连接能高效处理40万级别的数据，避免低效循环：

library(data.table)

# 转换为data.table格式（提升处理速度）
setDT(df.A)
setDT(df.B)

# 执行非等连接，筛选AdmissionDtB落在[FirstDtA, LastDtA]范围内的匹配对
matches <- df.A[df.B, on = .(FirstDtA <= AdmissionDtB, LastDtA >= AdmissionDtB), 
                .(IDA, IDB), nomatch = 0]

# 按IDA分组，将匹配的IDB合并为列表
match_groups <- matches[, .(MatchingIDB = list(IDB)), by = IDA]

# 左连接回原数据框，为无匹配的行填充"no match"
df.A <- df.A[match_groups, on = .(IDA)]
df.A[is.na(MatchingIDB), MatchingIDB := list("no match")]

# 查看结果示例
head(df.A)

方案二：dplyr + fuzzyjoin（易读性优先，适合tidyverse新手） #

如果更熟悉tidyverse语法，可用fuzzyjoin实现直观的范围匹配：

library(dplyr)
library(fuzzyjoin)

# 模糊左连接，按日期范围匹配
df.A_matched <- df.A %>%
  fuzzy_left_join(df.B, 
                  by = c("FirstDtA" = "AdmissionDtB", "LastDtA" = "AdmissionDtB"),
                  match_fun = list(`<=`, `>=`)) %>%
  group_by(IDA, AdmissionDtA, FirstDtA, LastDtA) %>%
  summarise(
    MatchingIDB = ifelse(all(is.na(IDB)), "no match", list(IDB[!is.na(IDB)])),
    .groups = "drop"
  )

# 查看结果示例
head(df.A_matched)

注意事项 #

• 确保所有日期列都是Date类型，避免字符型导致匹配失效
• 若需要将匹配ID转为逗号分隔的字符串，可将list(IDB)替换为paste(IDB, collapse = ", ")
• 大数据量下优先选择data.table方案，效率显著高于dplyr+fuzzyjoin

内容的提问来源于stack exchange，提问作者Rnoob