从DataFrame筛选子集未得到预期结果的问题排查

你遇到的问题几乎可以肯定是浮点数的精度问题——虽然你肉眼看df2里的t2数值和df1的t1完全一致，但计算机存储浮点数时的二进制精度限制，会让这些数值实际存在微小的差异，导致%in%的精确匹配漏掉了大量本该匹配的记录。

你可以随便挑一个df2里的t2值，运行下面的代码验证这个猜测：

# 取df2的第一个时间值，检查是否在df1的t1里精确存在
any(df1$t1 == df2$t2[1])

大概率会返回FALSE，哪怕两个数值看起来完全一样。

下面给你两种实用的解决方法，能保证拿到完整的114条匹配结果：

方法一：用dplyr的closest关联（推荐，代码简洁） #

如果你使用dplyr包（版本1.1.0及以上），可以用join_by(closest())实现“找最接近时间点”的匹配，直接关联两个数据集：

library(dplyr)

# 为每个t2匹配df1中最接近的t1对应的data1，保留df2全部114条记录
df_new <- df2 %>%
  left_join(df1, by = join_by(closest(t2 == t1)))

方法二：基础R实现（无需额外包） #

如果你不想依赖dplyr，可以用基础R的sapply结合which.min手动找到每个t2对应的最接近t1的索引：

# 遍历df2的每个t2，找到df1中t1与它差值最小的位置
match_indices <- sapply(df2$t2, function(t_val) {
  which.min(abs(df1$t1 - t_val))
})

# 构建包含匹配结果的新数据集
df_new <- data.frame(
  t2 = df2$t2,
  data1 = df1$data1[match_indices],
  data2 = df2$data2
)

如果你的业务场景允许一定的误差范围（比如允许t1和t2的差值小于1e-6），也可以用逐行筛选的方式实现：

df_new <- df2 %>%
  rowwise() %>%
  mutate(data1 = df1$data1[which.min(abs(df1$t1 - t2))]) %>%
  ungroup()

本质和上面的方法逻辑一致，只是写法稍有不同。

内容的提问来源于stack exchange，提问作者ACE