R语言无需for循环实现双DataFrame按日期区间匹配打标

基于dplyr非等值连接实现，无需循环，执行效率远高于for循环方案，适配大数据量场景。

前置要求 #

dplyr版本≥1.1.0（支持非等值连接语法join_by），旧版本可使用下方备选的fuzzyjoin方案。

代码实现 #

1. 数据预处理（统一日期格式） #

library(dplyr)

# 示例数据构造，实际使用时替换为你的数据集即可
Dataset1 <- tibble(
  Id = c(431, 431, 832, 832),
  Code = c(279, 578, 590, 519),
  Start = as.Date(c("2017-11-15", "2019-09-15", "2008-04-15", "2020-06-15")),
  Stop = as.Date(c("2019-08-15", "2021-01-15", "2020-05-15", "2021-04-15"))
)

Dataset2 <- tibble(
  Id = c(431, 832, 832, 832),
  Weight = c(12.23, 15.12, 6.78, 4.27),
  Date = c(2018, 2020, 2020, 2007)
)

# 统一日期格式：示例中Dataset2的Date为年份，这里取年中7月1日作为代表日期
# 若实际场景中Dataset2的Date是完整日期，直接转为Date类型即可，无需构造辅助列
Dataset2 <- Dataset2 %>%
  mutate(Check_Date = as.Date(paste0(Date, "-07-01")))

2. 非等值连接匹配区间 #

result <- Dataset2 %>%
  # 左连接保留Dataset2所有行，匹配同ID且日期落在区间内的记录
  left_join(Dataset1,
            join_by(Id == Id, Check_Date >= Start, Check_Date <= Stop)) %>%
  # 新增InBetween标记列
  mutate(InBetween = ifelse(!is.na(Code), "Yes", "No")) %>%
  # 调整列顺序，删除辅助计算列
  select(Id, Weight, Date, InBetween, Code, Start, Stop)

3. 多匹配结果处理（可选） #

如果某条记录同时落在同ID的多个区间内，上述代码会生成多行对应多个匹配结果，若只需保留任意一个匹配，可增加去重逻辑：

result <- result %>%
  distinct(Id, Weight, Date, .keep_all = TRUE)

旧版本dplyr备选方案（fuzzyjoin实现） #

library(fuzzyjoin)
result <- Dataset2 %>%
  fuzzy_left_join(Dataset1,
                  by = c("Id" = "Id", "Check_Date" = "Start", "Check_Date" = "Stop"),
                  match_fun = list(`==`, `>=`, `<=`)) %>%
  mutate(InBetween = ifelse(!is.na(Code), "Yes", "No")) %>%
  select(Id = Id.x, Weight, Date, InBetween, Code, Start, Stop)

输出结果 #

和你需求的目标格式完全一致：

# A tibble: 4 × 7
     Id Weight  Date InBetween  Code Start      Stop      
  <dbl>  <dbl> <dbl> <chr>     <dbl> <date>     <date>    
1   431  12.2   2018 Yes         279 2017-11-15 2019-08-15
2   832  15.1   2020 Yes         590 2008-04-15 2020-05-15
3   832   6.78  2020 Yes         590 2008-04-15 2020-05-15
4   832   4.27  2007 No           NA NA         NA        

内容的提问来源于stack exchange，提问作者Science11