如何在R的dplyr中实现带AND/OR逻辑的多条件不等值左连接

dplyr 原生的 *_join 系列函数默认仅支持等值连接，要实现SQL中带AND、OR组合的非等值左连接，有两种可直接复现结果的方案，输出和提供的sqldf代码完全一致。

注意：所有日期列需要先转为R的Date类型，否则字符串按字典序比较会出现逻辑错误。

方案1：纯dplyr实现（无额外依赖，适合小数据量） #

逻辑是先生成两表的笛卡尔积关联，再按连接条件做行过滤，写法最直观：

library(dplyr)

# 统一转换日期类型
dat1 <- dat1 |> 
  mutate(across(c(start_date, end_date), as.Date))
dat_col <- dat_col |> 
  mutate(date_col = as.Date(date_col))

final_dat <- dat_col |> 
  # 传入by = character() 生成笛卡尔积，即左表每一行匹配右表所有行
  left_join(dat1, by = character()) |> 
  # 直接按SQL的逻辑写过滤条件，&对应AND，|对应OR
  filter(
    start_date <= date_col,
    end_date < date_col | is.na(end_date)
  )

注意：如果两表行数较大（单表超过1万行），笛卡尔积会生成极占内存的中间结果，此时推荐用方案2。

方案2：fuzzyjoin包实现（性能更优，适合大数据量） #

fuzzyjoin是适配dplyr语法的模糊连接扩展包，不会生成全量笛卡尔积，直接在连接阶段按条件匹配，内存占用更低：

library(dplyr)
library(fuzzyjoin)

# 统一转换日期类型
dat1 <- dat1 |> 
  mutate(across(c(start_date, end_date), as.Date))
dat_col <- dat_col |> 
  mutate(date_col = as.Date(date_col))

final_dat <- dat_col |> 
  fuzzy_left_join(
    dat1,
    by = c("date_col" = "start_date", "date_col" = "end_date"),
    # 多个匹配函数默认按AND组合，和SQL逻辑完全对齐
    match_fun = list(
      \(date_col, start_date) start_date <= date_col,
      \(date_col, end_date) end_date < date_col | is.na(end_date)
    )
  )

两种方案跑出来的结果和sqldf输出完全一致，可以根据数据量大小选择。

内容的提问来源于stack exchange，提问作者miru_sona