如何根据与dplyr的时间间隔执行连接?
问题描述:
我有一个数据框包含两列:一个分组变量和分组变量持有的间隔时间段。我有另一个数据框与日期列和值列。如何使用dplyr + tidyverse函数有效地将这两个表一起加入?如何根据与dplyr的时间间隔执行连接?
library(dplyr)
library(lubridate)
ty <- data_frame(date = mdy(paste(1, 1 + seq(20), 2017, sep = "/")),
y = c(rnorm(7), rnorm(7, mean = 2), rnorm(6, mean = -1)))
gy <- data_frame(period = interval(mdy(c("01/01/2017", "01/08/2017", "01/15/2017")),
mdy(c("01/07/2017", "01/14/2017", "01/20/2017"))),
batch = c(1, 2, 3))
我想建立一个相当于表:
ty %>% mutate(batch = c(rep(1, 7), rep(2, 7), rep(3, 6)))
理想的情况下,这应该相当快的数据集高达1,000,000行。更好的是,如果它在100,000,000的工作:)。
答
如何:
ty %>%
mutate(batch = case_when(
ty$date %within% gy$period[1] ~gy$batch[1],
ty$date %within% gy$period[2] ~gy$batch[2],
ty$date %within% gy$period[3] ~gy$batch[3]))
你显然需要定义case_when间隔。你有几个?我用过cat
和paste0
,效果很好。
编辑以反映OP的评论。这应该照顾NSE和将允许case_when区间的产生编程:
ty %>%
mutate(batch = eval(parse(text = paste0("case_when(",
paste(
paste0(
"ty$date %within% gy$period[",
seq_along(gy$period),
"] ~gy$batch[",
seq_along(gy$period),
"]"
),
collapse = ", "
), ")"))))
答
这是我能想出迄今最好的:
ty$batch <- unlist(lapply(ty$date, function(d) gy$batch[which(d %within% gy$period)]), recursive = FALSE, use.names = FALSE)
但它似乎并不十分快。
这不回答你的问题('dplyr'),但作为一个评论 - 你应该看看[滚动加盟在'data.table'](https://*.com/questions/12030932/rolling-joins-data-table-in-r) – C8H10N4O2