如何在R中计算两DataFrame同ID对应最近早日期的差值

咱们先明确需求：我们有两个DataFrame，DF_1里是每个ID对应的一个目标日期，DF_2里是每个ID的多个日期记录，需要给DF_1里的每个ID找到DF_2中同ID下早于目标日期且最接近它的日期，然后计算两者的天数差。

步骤1：统一日期格式 #

首先得确保两个DataFrame里的Date1列都是datetime类型，不然没法做日期运算：

import pandas as pd

# 先构造示例数据
df1 = pd.DataFrame({
    'ID': [1,2,3],
    'Date1': ['12/01/2017', '15/02/2017', '18/03/2017']
})
df2 = pd.DataFrame({
    'ID': [1,1,1,2,2,2,3],
    'Date1': ['05/01/2017', '15/01/2017', '18/01/2017', '10/02/2017', '13/02/2017', '15/02/2017', '22/03/2017']
})

# 转换日期格式（注意这里是日/月/年，所以要指定format）
df1['Date1'] = pd.to_datetime(df1['Date1'], format='%d/%m/%Y')
df2['Date1'] = pd.to_datetime(df2['Date1'], format='%d/%m/%Y')

步骤2：用merge_asof匹配最近早日期 #

Pandas的merge_asof专门用来做这种按键匹配，并且找到最近的不大于目标值的记录，非常适合这个场景。不过使用前需要注意两个点：

• 两个DataFrame都要按ID和Date1排序
• 指定by='ID'来按ID分组匹配，on='Date1'来匹配日期，direction='backward'表示找最近的早于（或等于）目标日期的记录

# 先排序
df1_sorted = df1.sort_values(['ID', 'Date1'])
df2_sorted = df2.sort_values(['ID', 'Date1'])

# 执行匹配
merged = pd.merge_asof(
    df1_sorted,
    df2_sorted,
    by='ID',
    on='Date1',
    direction='backward',
    suffixes=('_df1', '_df2')
)

步骤3：计算日期差值 #

现在我们已经把匹配到的最近早日期和原日期放在一起了，直接做减法就能得到天数差：

merged['Date_Diff'] = (merged['Date1_df1'] - merged['Date1_df2']).dt.days

# 查看结果
print(merged[['ID', 'Date1_df1', 'Date1_df2', 'Date_Diff']])

结果展示 #

运行上面的代码后，输出会是这样：

ID Date1_df1 Date1_df2  Date_Diff
0   1 2017-01-12 2017-01-05          7
1   2 2017-02-15 2017-02-13          2
2   3 2017-03-18       NaT        NaN

这里ID=3的结果是NaN，因为DF_2里ID=3的日期是2017-03-22，比DF_1里的2017-03-18晚，没有符合条件的早日期，所以返回空值，这符合逻辑。

补充处理空值（可选） #

如果需要把空值替换成特定值（比如0或者-1），可以用fillna：

merged['Date_Diff'] = merged['Date_Diff'].fillna(-1)

内容的提问来源于stack exchange，提问作者Roy1245