如何按最近时间关联两个R DataFrame并满足指定列填充规则

要实现将df2的每个时间匹配到df1中最接近的时间，并保留df2所有时间、统一设置validated为"coral_sol"、N为NA，可以用以下两种方法：

方法一：使用dplyr + fuzzyjoin包 #

这种方法代码可读性高，适合熟悉tidyverse的用户：

# 加载所需包
library(dplyr)
library(fuzzyjoin)

# 取消df1的分组（原df1是分组数据框，需转为普通数据框）
df1_ungrouped <- df1 %>% ungroup()

# 按最接近的时间关联，保留df2所有行，设置指定列值
result <- df2 %>%
  # 匹配df2和df1中最接近的cycle时间
  closest_join(df1_ungrouped, by = "cycle", max_dist = Inf) %>%
  # 统一设置validated和N列
  mutate(validated = "coral_sol",
         N = NA_integer_) %>%
  # 整理列：保留df2的cycle，以及设置后的validated和N
  select(validated, cycle = cycle.x, N)

# 查看结果
head(result)

方法二：使用data.table包 #

这种方法处理大数据集时效率更高：

# 加载data.table包
library(data.table)

# 将df1和df2转换为data.table格式
setDT(df1)
setDT(df2)

# 取消df1的分组
df1 <- df1[, .SD, by = NULL]

# 滚动匹配最接近的时间，并设置指定列值
result <- df2[df1, on = .(cycle), roll = "nearest", 
              .(cycle = x.cycle, validated = "coral_sol", N = NA_integer_)]

# 查看结果
head(result)

说明 #

• 两种方法都会保留df2的全部40条时间记录
• validated列所有值都会被设置为"coral_sol"
• N列所有值都会被设置为整数类型的NA（NA_integer_），与原df1的N列类型保持一致
• 如果需要保留每个df2时间匹配到的df1对应时间，可以在select或结果构造中添加matched_cycle = cycle.y（dplyr方法）或matched_cycle = i.cycle（data.table方法）

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