基于时间区间匹配为df2关联实验信息：fuzzy join遇NA问题排查

我看了你的代码，发现导致df3中ExperimentID全为NA的核心问题有两个：

1. 数据框d的列名不匹配 #

你生成d的时候，inner_join后原来的Dev.Date.Time列被自动命名为Dev.Date.Time.x（来自startTime）和Dev.Date.Time.y（来自endTime），但你在fuzzy_right_join里却引用了不存在的StartTime和EndTime列，这直接导致匹配逻辑失效。

2. 模糊连接的方向和匹配逻辑对应错误 #

你用了fuzzy_right_join(d, df2, ...)，但我们的目标是给df2的每个时间点匹配对应的实验信息，应该以df2为主表，同时匹配条件的对应关系需要调整。

修正步骤和代码 #

首先，先给d的列重命名，明确起止时间的列名：

library(dplyr)
# 重命名d的列，明确起止时间
d <- d %>%
  rename(StartTime = Dev.Date.Time.x, EndTime = Dev.Date.Time.y)

然后用fuzzy_left_join实现时间范围匹配，确保df2的每个时间点都能找到对应的实验区间：

library(fuzzyjoin)
# 执行模糊左连接，匹配时间在[StartTime, EndTime]范围内的实验记录
df3 <- fuzzy_left_join(
  df2,
  d,
  by = c("Dev.Date.Time" = "StartTime", "Dev.Date.Time" = "EndTime"),
  match_fun = list(`>=`, `<=`)
)

验证效果 #

你可以查看df3的前几行，会发现ExperimentID和ExperimentType已经正确匹配到对应的时间点了：

head(df3)

另外，因为你不需要移除无实验的时间段，ExperimentType为NoExperiment的区间也会被正常匹配，符合你的需求。

内容的提问来源于stack exchange，提问作者HCAI