R语言实现按id与最近日期匹配的条件左连接问题

解法实现 #

原参考代码存在笔误：关联条件里的customer应替换为数据集的公共键id，完整实现逻辑如下：

方法1：滚动连接后按间隔条件赋值（符合ifelse实现要求） #

该方式逻辑直观，可灵活调整间隔判定规则：

library(data.table)
# 可选：加载lubridate实现精准的自然月间隔判断
# library(lubridate)

# 转为data.table格式
setDT(A)
setDT(B)

# 先完成同id下的最近日期匹配
join_res <- B[A, on = .(id), allow.cartesian = TRUE][
  # 计算两个日期的间隔天数
  , diff_days := abs(as.numeric(difftime(application_date, date, units = "days")))
][
  # 每个id取间隔最小的匹配行
  order(diff_days), .SD[1], by = .(id, application_date)
][
  # 间隔<=6个月（按183天算，也可替换为自然月判断：date >= application_date %m-% months(6) & date <= application_date %m+% months(6)）则保留值，否则置为NA
  , `:=`(
    value1 = ifelse(diff_days <= 183, value1, NA_real_),
    value2 = ifelse(diff_days <= 183, value2, NA_real_),
    value3 = ifelse(diff_days <= 183, value3, NA_real_)
  )
][
  # 清理中间临时列
  , c("date", "diff_days") := NULL
]

方法2：data.table原生滚动阈值实现（性能更高） #

如果不需要显式写ifelse逻辑，可直接通过roll参数设置最大滚动匹配范围，超出范围自动返回NA，适合大数据量场景：

library(data.table)
setDT(A)
setDT(B)
# 设置最大匹配间隔为183天（约6个月），前后日期均可匹配
res <- B[A, on = .(id, date = application_date), roll = 183, rollends = c(TRUE, TRUE)]

结果说明 #

你提供的示例数据中，三个id的匹配日期间隔均小于6个月，会正常关联到对应value值；如果存在间隔超出阈值的情况，所有value列会自动填充为NA。

内容的提问来源于stack exchange，提问作者zeno Zeng