我正在尝试在dplyr中加入两个表 . 有时可以在列年匹配完全匹配,但在某些情况下匹配的年份不可用 . 在那种情况下,我想加入最长的一年
Left <- tibble(id = c(1,2,3),
year = c(2010,2010,2012))
Right <- tibble(id = c(1,1,2,3,3),
year = c(2010,2011,2010,2010,2011),
new = c(T,T,T,T,T))
Joined <- left_join(Left, Right, by = c("id", "year"))
# A tibble: 3 x 3
id year new
<dbl> <dbl> <lgl>
1 1 2010 TRUE
2 2 2010 TRUE
3 3 2012 NA
正如你所看到的,id 3不匹配,我尝试了一下fuzzyjoin包,但是我无法在一列上进行模糊连接,而在另一列上进行精确连接:
Fuzzy_joined <- fuzzyjoin::difference_left_join(Left, Right, by = c("id", "year"))
Fuzzy_joined
# A tibble: 9 x 5
id.x year.x id.y year.y new
<dbl> <dbl> <dbl> <dbl> <lgl>
1 1 2010 1 2010 TRUE
2 1 2010 1 2011 TRUE
3 1 2010 2 2010 TRUE
4 2 2010 1 2010 TRUE
5 2 2010 1 2011 TRUE
6 2 2010 2 2010 TRUE
7 2 2010 3 2010 TRUE
8 2 2010 3 2011 TRUE
9 3 2012 3 2011 TRUE
使用dplyr语法,在年变量的最小距离上加入非匹配情况以及id变量的精确匹配的最有效方法是什么?
1 回答
我会在id和year上使用左连接,然后过滤以获得年度最佳匹配
可能有更高效的解决方案,但这适用于中等大小的数据集 .