与R中的条件合并

可以使用 data.table :

varA <- c('2018-01-03', '2018-01-25','2018-01-15','2018-01-06')
varB <- c('2018-01-02', '2018-01-05', '2018-01-13', '2018-01-21', '2018-01-26')
varC <- c(201801,201802,201804,201809,201815)

library(lubridate)
dt1 <- data.table(varA = ymd(varA))
dt2 <- data.table(varA = ymd(varB), varB = ymd(varB), varC =  varC)
setkey(dt1, varA)
setkey(dt2, varA)

dt2[dt1,, roll = T]

findInterval 在base R中,这可能会有所帮助。例如

强制VarA和VarB更新对象并使用 findInterval公司 创建一个新列,其中df2中的行(即VarB索引)与您为每个VarA指定的条件相匹配。

df1$row_match <- findInterval(as.Date(df1$varA), as.Date(df2$varB))

然后创建新的对应列(df2中的行)以加入/合并

df2$row_match <- seq_len(nrow(df2))

df3 <- merge(df1, df2, by = "row_match")
#> df3
#  row_match       varA       varB   varC
#1         1 2018-01-03 2018-01-02 201801
#2         2 2018-01-06 2018-01-05 201802
#3         3 2018-01-15 2018-01-13 201804
#4         4 2018-01-25 2018-01-21 201809

你可以试试

library(tidyverse)
map(df1$varA, function(x)  df2[between(df2$varB, x, x),]) %>% 
  bind_rows() %>% 
  bind_cols(df1,.)
        varA       varB   varC
1 2018-01-03 2018-01-02 201801
2 2018-01-25 2018-01-21 201809
3 2018-01-15 2018-01-13 201804
4 2018-01-06 2018-01-05 201802

其思想是使用tidyverse函数来寻找区间 map & between ,然后添加 df1 。