R语言如何基于12个月时间范围条件合并两个dataframe

核心思路：先将两个数据框的日期列转为标准Date类型，再使用支持非等值条件的连接函数匹配符合「df2日期晚于df1日期且间隔不超过12个月」的行，最后保留df1的原始日期列即可。

方案1：tidyverse方案（dplyr 1.1.0及以上版本适用，和常用的inner_join语法兼容） #

# 加载依赖包
library(dplyr)
library(lubridate)

# 构造示例数据
df1 <- data.frame(date = c("2020-01-01", "2018-01-01"), A = c("5", NA), B = c("4", "0"))
df2 <- data.frame(date = c("2020-05-16", "2018-09-23", "2017-02-02"), C = c("2", "3", "4"), D = c("9", "10", "11"))

# 转换为标准日期格式
df1$date <- as.Date(df1$date)
df2$date <- as.Date(df2$date)

# 非等值连接
df_result <- inner_join(
  df1, 
  df2,
  # 定义连接条件：df2的日期晚于df1的日期，且间隔不超过12个月
  join_by(date < date, y$date <= x$date + years(1))
) %>%
  # 保留df1的原始日期，删除df2的日期列
  select(date = x$date, A, B, C, D)

如果使用的dplyr版本低于1.1.0，可使用fuzzyjoin包实现：

library(fuzzyjoin)
library(lubridate)

df1$date <- as.Date(df1$date)
df2$date <- as.Date(df2$date)

df_result <- fuzzy_inner_join(
  df1, df2,
  by = "date",
  match_fun = list(function(x,y) y > x & y <= x + years(1))
) %>%
  select(date = date.x, A, B, C, D)

方案2：data.table方案（适合大数据量，性能更高） #

library(data.table)
library(lubridate)

# 转换为data.table格式并修改日期类型
setDT(df1)[, date := as.Date(date)]
setDT(df2)[, date := as.Date(date)]

# 非等值连接筛选
df_result <- df2[df1, 
  .(date = i.date, A, B, C, D),
  on = .(date > date, date <= date + years(1)),
  nomatch = NULL # 仅保留匹配成功的行，等价于inner_join
]

两种方案输出结果均和需求一致。

内容的提问来源于stack exchange，提问作者MLE