如何基于最近日期匹配合并日期未对齐的两个dataframe？

要实现保留df1的所有数据，并将df2中最近日期的info字段匹配过来，我们有几种简洁的方法，下面结合你的示例数据逐一说明：

方法1：基础R实现（无需额外包） #

这种方法通过计算日期差值找到最近匹配，适合小数据集：

# 示例数据初始化
set.seed(5)
df1 <- data.frame(date=as.Date(c('2001-01-02','2001-01-03','2001-01-06','2001-01-15','2001-01-18','2001-01-21')), val=rnorm(6))
df2 <- data.frame(date=as.Date(c('2001-01-01', '2001-01-08', '2001-01-15', '2001-01-21')), info=rnorm(4))

# 1. 计算df1每个日期与df2所有日期的绝对差值
date_diffs <- abs(outer(df1$date, df2$date, `-`))

# 2. 为每个df1日期找到差值最小的df2行索引（若有多个相同最小差，取第一个）
match_indices <- apply(date_diffs, 1, which.min)

# 3. 合并数据
df1merged <- cbind(df1, info = df2$info[match_indices])

# 查看结果
df1merged

运行后得到的结果和你期望的完全一致：

date        val      info
1 2001-01-02 -0.84085548 -0.4721664
2 2001-01-03  1.38435934 -0.4721664
3 2001-01-06 -1.25549186 -0.6353713
4 2001-01-15  0.07014277 -0.2857736
5 2001-01-18  1.71144087 -0.2857736
6 2001-01-21 -0.60290798  0.1381082

方法2：tidyverse风格实现 #

如果你习惯使用tidyverse工具链，用purrr的映射函数可以更简洁地完成：

library(tidyverse)

df1merged <- df1 %>%
  # 对每个date计算对应的最近df2的info
  mutate(info = map_dbl(date, ~ df2$info[which.min(abs(.x - df2$date))]))

这里map_dbl会遍历df1的每个date，计算它与df2所有日期的绝对差，找到差值最小的行并提取info值。

方法3：data.table滚动连接（适合大数据集） #

如果你的数据集很大，data.table的滚动连接效率会远高于前两种方法，专门针对时间序列的近邻匹配优化：

library(data.table)

# 转换为data.table格式
setDT(df1)
setDT(df2)

# 滚动连接，roll="nearest"表示匹配最近的日期
df1merged <- df2[df1, on = .(date), roll = "nearest"]

# 调整列顺序以匹配期望结果
setcolorder(df1merged, c("date", "val", "info"))

这种方法的优势是处理百万级数据时速度更快，且代码更简洁。

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