如何分别基于POSIXct和Date合并大型与小型数据集？

嘿，我来帮你搞定这个日期匹配的问题！你要把每日温度数据关联到小时级的观测里，核心其实是统一两个数据集的日期类型，再做匹配——之前用data.table的roll="nearest"没成功，大概率是因为你没处理好POSIXct和Date格式的差异~

我给你两种靠谱的解决方案，先从最直接的data.table方法说起，再补一个tidyverse的版本，你可以按需选用：

方法1：data.table 等值连接（最贴合你的需求） #

首先我们先构造和你场景一致的示例数据，方便你跟着跑：

library(data.table)
set.seed(123)

# 构造500条左右的小时级数据集（POSIXct格式的date.time）
hourly_data <- data.table(
  date.time = seq.POSIXt(as.POSIXct("2023-01-01 00:00:00"), 
                         as.POSIXct("2023-01-21 11:00:00"), 
                         by = "hour"),
  some.value = rnorm(500)
)

# 构造10条每日温度数据集（Date格式的date）
daily_temp <- data.table(
  date = seq.Date(as.Date("2023-01-01"), as.Date("2023-01-10"), by = "day"),
  temperature = runif(10, min = 5, max = 25)
)

接下来只需要两步：

1. 给小时数据集新增一个date列（转成和温度数据集一致的Date格式）
2. 按date做等值连接，把温度匹配到对应日期的所有小时观测上

# 新增Date格式的date列
hourly_data[, date := as.Date(date.time)]

# 执行连接，temperature会自动匹配到对应日期的每一行
result <- hourly_data[daily_temp, on = "date"]

# 查看结果前几行确认
head(result)

这个方法比用roll="nearest"更精准，因为你要的是当天的温度，不是“最近时间点的温度”——毕竟每日温度是整一天的观测，直接按日期匹配最合理。

方法2：dplyr + left_join（tidyverse风格） #

如果你习惯用tidyverse的语法，也可以这么写：

library(dplyr)

result <- hourly_data %>%
  # 把date.time转成Date格式的date列
  mutate(date = as.Date(date.time)) %>%
  # 左连接温度数据集，按date匹配
  left_join(daily_temp, by = "date")

为啥之前的roll="nearest"没成功？ #

你之前的问题大概率出在时间变量类型不统一：一个是POSIXct（带时分秒），一个是Date（只有日期），直接用setkey会导致data.table无法正确识别时间对应关系。如果一定要用roll的方式，得先把两个数据集的时间转成同一种类型（比如都转成POSIXct），不过完全没必要——等值连接已经完美解决你的需求啦！

内容的提问来源于stack exchange，提问作者user9195416