Jak dopasować najbliższą datę z dwóch ramek danych?

Question

Załóżmy, że mam dwie ramki danych, takich jak:

set.seed(123) 
df1<-data.frame(bmi=rnorm(20, 25, 5), 
       date1=sample(seq.Date(as.Date("2014-01-01"), 
          as.Date("2014-02-28"),by="day"), 20)) 

df2<-data.frame(epi=1:5, 
       date2=as.Date(c("2014-1-8", "2014-1-15", "2014-1-28", 
           "2014-2-05", "2014-2-24"))) 

Moje pytanie brzmi: jak dopasować bmi z epi gdzie date1 są najbliżej przed lub na date2? Wynik taki jak poniżej:

epi  date2 bmi  date1 
1 1 2014-01-08 33.58 2014-01-08 
2 2 2014-01-15 22.64 2014-01-15 
3 3 2014-01-28 22.22 2014-01-26 
4 4 2014-02-05 15.17 2014-02-01 
5 5 2014-02-24 27.49 2014-02-15 

Answer 1

Jednym ze sposobów jest wykorzystanie funkcji roll=Inf pakiecie data.table następująco:

require(data.table) ## >= 1.9.2 
setDT(df1)   ## convert to data.table by reference 
setDT(df2)   ## same 

df1[, date := date1] ## create a duplicate of 'date1' 
setkey(df1, date1) ## set the column to perform the join on 
setkey(df2, date2) ## same as above 

ans = df1[df2, roll=Inf] ## perform rolling join 

## change names and set column order as required, by reference 
setnames(ans, c('date','date1'), c('date1','date2')) 
setcolorder(ans, c('epi', 'date1', 'bmi', 'date2')) 

> ans 
# epi  date1  bmi  date2 
#1: 1 2014-01-08 33.57532 2014-01-08 
#2: 2 2014-01-15 22.63604 2014-01-15 
#3: 3 2014-01-26 22.22079 2014-01-28 
#4: 4 2014-02-01 15.16691 2014-02-05 
#5: 5 2014-02-15 27.48925 2014-02-24 

Answer 2

tu sposób z zasady R

# get time differences 
temp <- outer(df2$date2, df1$date1, "-") 

# remove where date1 are after date2 
temp[temp < 0] <- NA 

# find index of minimum 
ind <- apply(temp, 1, function(i) which.min(i)) 

# output 
df2 <- cbind(df2, df1[ind,]) 

Answer 3

Alternatywę na podstawie znalezienia indeksu najbliższej daty

library(tidyverse) 
# Function to get the index specifying closest or after 
Ind_closest_or_after <- function(d1, d2){ 
    which.min(ifelse(d1 - d2 < 0, Inf, d1 - d2)) 
} 

# Calculate the indices 
closest_or_after_ind <- map_int(.x = df2$date2, .f = Ind_closest_or_after, d2 = df1$date1) 

# Add index columns to the data frames and join 
df1 <- df1 %>% 
    mutate(ind = 1:nrow(df1)) 

df2 <- df2 %>% 
    mutate(ind = closest_or_after_ind) 

left_join(df2, df1, by = 'ind') 

Sprawdź również survival::neardate