R语言按唯一ID筛选距指定日期最近的数据框子集

你可以通过以下两种方案实现需求，核心逻辑为：先计算每条还款记录与预设日期的时间差，再按Loan_ID分组，保留每个分组下时间差最小的记录即可。本次场景预设参考日期为as.Date("2022-03-31")。

方法一：dplyr 实现（推荐，适合大数据量场景） #

代码可读性强，处理百万级以上数据效率更高：

# 加载包，若未安装可先运行 install.packages("dplyr")
library(dplyr)

# 定义参考日期
ref_date <- as.Date("2022-03-31")

result <- df %>%
  mutate(
    # 计算每条记录与参考日期的绝对天数差
    day_gap = abs(as.numeric(difftime(Execution_Date, ref_date, units = "days")))
  ) %>%
  group_by(Loan_ID) %>%
  # 保留组内天数差最小的记录
  filter(day_gap == min(day_gap)) %>%
  # 删除临时计算的差值列
  select(-day_gap) %>%
  ungroup()

运行后输出结果与预期完全匹配：

# A tibble: 2 × 3
  Loan_ID Execution_Sum Execution_Date
    <dbl>         <dbl> <date>        
1       1           800 2022-03-17    
2       2           400 2022-03-29    

方法二：基础R实现，无需依赖第三方包 #

适合不想额外安装包的轻量场景：

# 定义参考日期
ref_date <- as.Date("2022-03-31")

# 计算所有记录与参考日期的绝对天数差
df$day_gap <- abs(as.numeric(difftime(df$Execution_Date, ref_date, units = "days")))

# 按Loan_ID分组，筛选组内天数差最小的行
result <- df[ave(df$day_gap, df$Loan_ID, FUN = \(x) x == min(x)) == 1, ]

# 移除临时生成的差值列
result$day_gap <- NULL

补充说明：如果同一Loan_ID下存在多条记录与参考日期间隔完全相等，上述两种方法会默认保留所有匹配记录；如果需要每个ID强制仅返回1条记录，可在排序后取每个分组的第一行即可，例如dplyr中可在group_by后使用slice_max(order_by = Execution_Date, n =1)替换原有filter逻辑，直接取每个ID下最晚的还款记录即可。

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