如何使用dplyr的group_by/mutate实现多组内最近值匹配生成结果列

前置准备 #

首先构造你提供的两份示例数据，代码如下：

library(dplyr)

# 数据1
df1 <- tibble(
  id1 = c(1,1,1,1,2,2,3,4),
  value1 = c(98, 101, 118, 170, 95, 201, 160, 70)
)

# 数据2
df2 <- tibble(
  id2 = c(1,1,2,2,3),
  value2 = c(100, 120, 105, 200, 300)
)

实现代码 #

仅使用dplyr自带函数即可完成需求，逻辑如下：

result <- df1 %>%
  # 按id左连接两份数据，同id的df1行会匹配到所有同id的df2的value2
  left_join(df2, by = c("id1" = "id2")) %>%
  # 按df1的id1和value1分组，保证每个原始df1的行独立成组
  group_by(id1, value1) %>%
  # 每组内计算差的绝对值，取差最小的value2，无匹配时返回NA
  summarise(
    value2 = ifelse(all(is.na(value2)), NA_real_, value2[which.min(abs(value1 - value2))]),
    .groups = "drop" # 统计完成后自动取消分组
  )

如果存在两个value2和value1差值完全相等的情况，上述代码会默认取排序在前的value2，你可以根据需求调整取值规则。

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