在R中使用data.table实现带约束的滚动连接

嘿，我来帮你搞定这个data.table滚动连接的问题！先把你给出的Web会话数据和一个典型的第二个时间戳数据集（比如用户的关键事件时间，比如登录/操作触发时间）整理好，咱们一步步拆解：

第一步：准备并格式化数据 #

首先得确保时间列是可排序的POSIXct类型，这是data.table滚动连接的核心前提，不然时间比较会出问题。咱们先构建示例数据：

# 加载data.table包
library(data.table)

# 你的Web会话数据集
sessions <- data.table(
  user = c(1,1,1,1,2,2,2),
  web_date_time = as.POSIXct(
    c("29-Oct-2016 6:10:03 PM", "29-Oct-2016 7:34:17 PM",
      "30-Oct-2016 2:08:03 PM", "30-Oct-2016 3:55:12 PM",
      "31-Oct-2016 11:32:12 AM", "31-Oct-2016 2:59:56 PM",
      "01-Nov-2016 12:49:44 PM"),
    format = "%d-%b-%Y %I:%M:%S %p"
  )
)

# 第二个时间戳数据集（假设是用户的关键事件时间）
events <- data.table(
  user = c(1,1,2,2),
  event_date_time = as.POSIXct(
    c("29-Oct-2016 5:45:00 PM", "30-Oct-2016 1:30:00 PM",
      "31-Oct-2016 10:00:00 AM", "01-Nov-2016 12:00:00 PM"),
    format = "%d-%b-%Y %I:%M:%S %p"
  )
)

第二步：执行滚动连接 #

滚动连接的核心是roll参数，它决定了没有完全匹配时怎么取最近的记录。咱们分两种常见需求来演示：

需求1：给每个会话匹配同一用户下，会话时间之前最近的事件 #

这是最常用的场景，比如想知道用户每次会话前最后一次做了什么：

# 设置连接键：先按user分组，再按时间列（注意用on参数映射不同列名）
result <- events[sessions, 
                 roll = TRUE, 
                 on = .(user, event_date_time = web_date_time)]

# 查看结果
print(result)

输出结果会把每个会话和它之前最近的事件对应起来，比如用户1的第一个会话（6:10 PM）会匹配到5:45 PM的事件，第二个会话（7:34 PM）还是匹配同一个5:45 PM的事件，直到第三个会话（次日2:08 PM）才匹配到当天1:30 PM的事件。

需求2：给每个会话匹配同一用户下，会话时间之后的第一个事件 #

如果你的需求是找会话之后的第一个事件，只需要把roll参数设为-Inf：

result_next <- events[sessions, 
                      roll = -Inf, 
                      on = .(user, event_date_time = web_date_time)]

关键注意点 #

• 时间列类型：必须确保两个表的时间列都是POSIXct（或POSIXlt），不能是字符串或因子，否则无法正确排序和匹配。
• 时区一致性：如果你的数据涉及不同时区，一定要统一两个表的时区（用tz参数指定），不然会出现时间匹配偏差。
• 键的顺序：连接键必须先放分组列（比如user），再放时间列，这样data.table会先按用户分组，再在组内做时间滚动匹配。

内容的提问来源于stack exchange，提问作者vivek