R语言实现带时间容差的非精确时间匹配式数据集合并

之前尝试代码的核心问题 #

• 没有将date和time字段拼接为完整可计算的时间戳，拆分计算的逻辑容易出现匹配错位
• 管道流中直接引用原始数据框的字段，和连接后生成的带后缀的字段名不匹配，导致筛选逻辑完全失效
• 时间差比较的单位没有统一，直接对时间向量做运算容易出现数值精度、单位错乱的问题

前置数据处理 #

首次运行需要先安装依赖包，执行install.packages(c("dplyr", "fuzzyjoin", "lubridate"))即可。
先统一把两个数据集的日期、时间字段拼接成标准时间格式，为后续容差判断做准备：

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

# 预处理df1
df1 <- df1 %>% 
  mutate(
    # 拼接日期、时间字符串，解析为标准时间格式
    full_event_time = mdy_hms(paste(date, time))
  )

# 预处理df2
df2 <- df2 %>% 
  mutate(
    full_event_time = mdy_hms(paste(date, time))
  )

带45分钟容差的匹配逻辑 #

匹配规则可根据实际业务场景调整，示例逻辑为：

• 必须为同一日期的记录才参与比对，避免跨天的无效匹配
• 两个时间戳的绝对时间差≤45分钟，即满足匹配条件

df3 <- df1 %>% 
  left_join(
    df2,
    by = c("date" = "date", "full_event_time" = "full_event_time"),
    match_fun = list(
      `==`, # 日期列做完全相等匹配
      function(x, y) abs(as.numeric(difftime(x, y, units = "secs"))) <= 45 * 60
    ),
    suffix = c("", "_df2")
  ) %>% 
  # 提取目标字段，还原成需要的输出格式
  select(ID, date, time, `2ID`)

补充说明：如果业务场景不需要限定同日期，仅判断任意两个事件的绝对时间差是否在45分钟内，可以直接去掉日期相等的匹配条件，仅保留时间差判断的逻辑即可。

匹配效果验证 #

上述逻辑运行后会完全得到预期的匹配结果：

• 同日期下，时间差在45分钟内的记录全部命中：比如ID1的时间差10分钟、ID2的时间差4分钟、ID3的时间差7分钟，都会匹配到对应的2ID
• 时间完全一致的ID4、ID5直接匹配
• 无匹配记录的ID6，2ID字段保留空值，完全符合左连接的逻辑

内容的提问来源于stack exchange，提问作者user35131