如何合并时间不匹配、列不同的两个时间序列DataFrame？

基础需求：全外连接并按时间排序 #

直接用merge或left_join达不到效果的原因：

• merge默认是内连接，只保留两表timeStamp完全匹配的行，不会包含各自独有的时间点
• left_join以左表为基准，不会纳入右表中左表没有的时间行

要实现全量时间保留、不匹配列填NA、按时间排序，有两种实现方式：

方法1：Base R 实现 #

# 执行全外连接，再按时间戳排序
merged_df <- merge(df1, df2, by = "timeStamp", all = TRUE)
merged_df <- merged_df[order(merged_df$timeStamp), ]

方法2：Tidyverse 工具包实现 #

library(dplyr)

merged_df <- full_join(df1, df2, by = "timeStamp") %>% 
  arrange(timeStamp)

运行后得到的基础结果：

timeStamp value text
1 2022-07-29 00:00:00     1 <NA>
2 2022-07-29 00:00:05    NA    a
3 2022-07-29 00:05:00     2 <NA>
4 2022-07-29 00:05:05    NA    b
5 2022-07-29 00:10:00     3 <NA>
6 2022-07-29 00:15:00     4 <NA>
7 2022-07-29 00:20:00     5 <NA>
8 2022-07-29 00:20:05    NA    c

进阶需求：填充text直到下一次变化 #

在基础合并结果的基础上，用tidyr的fill函数向下填充NA值即可：

library(dplyr)
library(tidyr)

final_df <- full_join(df1, df2, by = "timeStamp") %>% 
  arrange(timeStamp) %>% 
  fill(text, .direction = "down")

运行后得到的进阶结果：

timeStamp value text
1 2022-07-29 00:00:00     1 <NA>
2 2022-07-29 00:00:05    NA    a
3 2022-07-29 00:05:00     2    a
4 2022-07-29 00:05:05    NA    b
5 2022-07-29 00:10:00     3    b
6 2022-07-29 00:15:00     4    b
7 2022-07-29 00:20:00     5    b
8 2022-07-29 00:20:05    NA    c

如果不用Tidyverse，也可以用Base R结合zoo包实现：

library(zoo)

merged_df <- merge(df1, df2, by = "timeStamp", all = TRUE)
merged_df <- merged_df[order(merged_df$timeStamp), ]
merged_df$text <- na.locf(merged_df$text, na.rm = FALSE)

内容的提问来源于stack exchange，提问作者ambergris