R中基于df2双列计算df1对应plot指定日期前degree_days累计和的方法

你写的循环没得到正确结果，核心问题是筛选df1临时子集时，只判断了日期大小关系，没有匹配当前行对应的plot编号，最终计算的是所有plot在目标日期前的总积温，不符合需求。

原循环最小改动版本 #

直接在原逻辑基础上补上plot匹配条件即可：

# 先确保两表的日期列是可比较的日期格式，不是文本
df1$date <- as.Date(df1$date, format = "%m-%d-%y")
df2$mean_first_flower_date <- as.Date(df2$mean_first_flower_date, format = "%m-%d-%y")

for (i in 1:nrow(df2)) {
    flower <- df2[i, "mean_first_flower_date"] 
    current_plot <- df2[i, "plot"] # 提取当前行对应的plot
    print(i)
    # 筛选条件同时满足：同plot、日期<=初花日期
    df1.temporary <- df1[df1$date <= flower & df1$plot == current_plot, ] 
    new_var <- sum(df1.temporary$degree_days) 
    df2[i, "new_var"] <- new_var 
}

小提示：如果不把文本格式的日期转成Date类，R会按字符串顺序比较大小，比如"5-16-19"会被判定为比"8-5-19"小，结果出错。

无循环的高效实现 #

循环在数据量较大时运行效率低，下面两种常用方案可以替代循环，运行速度更快：

dplyr 方案 #

library(dplyr)

# 先按plot分组，计算每个plot从记录起始日到各日期的累计积温
df1_cum <- df1 %>%
  group_by(plot) %>%
  arrange(date, .by_group = TRUE) %>%
  mutate(cum_days = cumsum(degree_days)) %>%
  ungroup()

# 逐行匹配对应累计值
df2 <- df2 %>%
  rowwise() %>%
  mutate(
    new_var = max(
      df1_cum$cum_days[df1_cum$plot == plot & df1_cum$date <= mean_first_flower_date],
      na.rm = TRUE
    )
  ) %>%
  ungroup()

data.table 方案（适合十万行以上的大数据集） #

library(data.table)
setDT(df1)
setDT(df2)

# 按plot分组计算累计积温
df1[, cum_days := cumsum(degree_days), by = plot]

# 按plot、小于等于目标日期的最近日期匹配累计值
df2[df1, on = .(plot, mean_first_flower_date = date), 
    new_var := cum_days, roll = Inf]

按示例数据计算，plot1对应5月16日初花的累计值为3.5+4.5+3.5+4.5=16，和预期结果完全一致。

内容的提问来源于stack exchange，提问作者user3508884