R语言：基于另一数据框的日期与公园字段过滤目标数据框行

方案1：使用tidyverse（dplyr）实现（代码可读性更高） #

首先加载dplyr包，先计算AC_example中每个公园的最早记录月份，再关联到reports_example做过滤：

library(dplyr)

# 1. 统一转换Month列为日期格式，避免字符串比较出错
reports_example$Month <- as.Date(reports_example$Month)
AC_example$Month <- as.Date(AC_example$Month)

# 2. 计算每个公园在AC_example中的最早月份
park_min_month <- AC_example %>%
  group_by(Park) %>%
  summarise(min_ac_month = min(Month), .groups = "drop")

# 3. 关联后过滤符合要求的行
reports_final_example <- reports_example %>%
  left_join(park_min_month, by = "Park") %>%
  filter(Month >= min_ac_month) %>%
  select(Month, Park)

# 查看结果
print(reports_final_example)

运行后输出和你期望的结果完全一致：

Month          Park
1 2020-05-01 Aspen_Heights
2 2021-06-01 Aspen_Heights
3 2020-03-01    Auburn_Bay

方案2：使用Base R实现（无需加载第三方包） #

# 1. 转换Month列为日期格式
reports_example$Month <- as.Date(reports_example$Month)
AC_example$Month <- as.Date(AC_example$Month)

# 2. 计算每个公园的最早月份
park_min_month <- aggregate(Month ~ Park, data = AC_example, FUN = min)
colnames(park_min_month)[2] <- "min_ac_month"

# 3. 合并数据并过滤
merged_df <- merge(reports_example, park_min_month, by = "Park")
reports_final_example <- merged_df[merged_df$Month >= merged_df$min_ac_month, c("Month", "Park")]

# 重排行序（可选，和你给出的示例顺序一致）
reports_final_example <- reports_final_example[order(reports_final_example$Park, reports_final_example$Month), ]

# 查看结果
print(reports_final_example)

内容的提问来源于stack exchange，提问作者Gab_Laj