在R中基于时间戳与特定值匹配创建子集数据框

我想要创建一个子集数据框df3，要求当df1的col1值为1，且df2的signal值也为1，同时两者的时间戳（datetime）完全匹配时，将这些记录提取出来。新数据框需要包含datetime、col1和signal这三列。我在Stack Overflow上查了很多问题，但都找不到完全匹配我需求的解法。

以下是我准备的测试数据代码（已补全未写完的部分）：

library(lubridate)
#> 
#> Attaching package: 'lubridate'
#> The following objects are masked from 'package:base':
#> 
#>     date, intersect, setdiff, union

# Generate datetime sequence in 15-minute intervals for both dataframes
start_time_df1 <- ymd_hms("2024-01-01 00:00:00")
datetime_df1 <- seq(from = start_time_df1, by = "15 mins", length.out = 20)

start_time_df2 <- ymd_hms("2024-01-01 00:00:00")
datetime_df2 <- seq(from = start_time_df2, by = "15 mins", length.out = 35)

# Generate random signal values (either 1 or 0) for both dataframes
set.seed(123)  # for reproducibility
signal_df1 <- sample(c(0, 1), size = 20, replace = TRUE)
signal_df2 <- sample(c(0, 1), size = 35, replace = TRUE)

# 创建df1和df2
df1 <- data.frame(datetime = datetime_df1, col1 = signal_df1)
df2 <- data.frame(datetime = datetime_df2, signal = signal_df2)

具体实现方法 #

我给你整理了两种可行的实现方式，一种是用便捷的dplyr工具包（数据处理常用，代码更清晰），另一种是基础R原生写法，你可以按需选择：

方法一：使用dplyr包（推荐）

如果还没安装dplyr，先运行install.packages("dplyr")完成安装。

library(dplyr)

# 第一步：按时间戳内连接两个数据框，只保留两边都存在的时间点
merged_data <- inner_join(df1, df2, by = "datetime")

# 第二步：筛选出col1和signal同时为1的记录，得到目标df3
df3 <- merged_data %>%
  filter(col1 == 1 & signal == 1)

# 查看结果
print(df3)

方法二：基础R原生写法

如果不想额外安装工具包，用基础R也能轻松实现：

# 合并两个数据框，仅保留时间戳匹配的行
merged_data <- merge(df1, df2, by = "datetime")

# 筛选出col1和signal都为1的记录
df3 <- merged_data[merged_data$col1 == 1 & merged_data$signal == 1, ]

# 查看最终结果
print(df3)

简单解释下逻辑

不管用哪种方法，核心都是两步：

1. 内连接数据框：只保留两个数据框中时间戳完全一致的记录，自动过滤掉那些只有某一个数据框存在的时间点；
2. 条件筛选：精准挑选出col1和signal同时等于1的行，这样得到的df3就正好包含你需要的datetime、col1和signal三列啦。

备注：内容来源于stack exchange，提问作者LZ24AP