R语言按相同plots字段与最近日期合并两个data.frame及报错修复

你写的代码存在两个问题：

• 括号匹配错误：intersect()的闭合括号被放在了自定义函数后面，导致lapply没有接收到第二个遍历执行的函数参数，触发报错
• 列名拼写错误：两个数据框的日期列名为dates，代码中误写为date

修复后的代码如下：

df1.2 <- lapply(intersect(df1$plots, df2$plots), function(id) {
  d1 <- subset(df1, plots == id)
  d2 <- subset(df2, plots == id)
  
  d1$indices <- sapply(d1$dates, function(d) which.min(abs(d2$dates - d)))
  d2$indices <- 1:nrow(d2)
  
  merge(d1, d2, by = c('plots', 'indices'))
})
# 合并列表为数据框，调整列名得到目标结果
result <- do.call(rbind, df1.2)
result <- result[, c("plots", "dates.x", "TargetValues")]
colnames(result) <- c("plots", "dates", "Values")
# 按原df1顺序排列
result <- result[order(match(result$dates, df1$dates)), ]

运行后即可得到你期望的输出结果。

如果数据量较大，用data.table的滚动连接性能会比逐行遍历高很多，代码也更简洁：

library(data.table)
# 转换为data.table格式，按plots和dates排序
setDT(df1)
setDT(df2)
setorder(df1, plots, dates)
setorder(df2, plots, dates)
# 按plots分组，滚动匹配最近日期
result <- df2[df1, on = .(plots, dates), roll = "nearest"]
# 调整列名得到最终结果
setnames(result, "TargetValues", "Values")
result <- result[, .(plots, dates, Values)]

该方案底层是C实现的匹配逻辑，处理上万行以上数据的速度优势非常明显。

内容的提问来源于stack exchange，提问作者Maike