模糊连接-匹配单边

Question

我试图从一个表(myChickWts)中收集体重值，该表是在另一个表(小鸡血)记录的每一个血样前一周收集的。我想要一份从每一次血样前一周的血液日期和相关重量的清单。我尝试了几种不同的方法，在我的结果中包含了血样日期之后，我一直在获取日期。

在本例中，匹配返回(1/9、1/11、1/13)之前和(1/15)之后的日期。这两张桌子怎么配？我也尝试了difference_join，但它返回了结果7天前和7天后，我的另一个结果-再次，不是我想要的。

Chick   Date.x (blood)  Date.y (weight)  Chick.y  Weight.y
10     2019-01-14       2019-01-09       10       74
10     2019-01-14       2019-01-11       10       81
10     2019-01-14       2019-01-13       10       89
10     2019-01-14       2019-01-15       10       96




library(tidyverse)
library(lubridate)
library(fuzzyjoin)

导入数据(用于reprex的样本数据)

mychickwts <- datasets::ChickWeight %>%
  mutate(Date = date("2019-01-01") + Time) %>%
  select(Date, Chick, weight) %>%
  filter(Chick <= 10)

chickblood <- data.frame(
       Chick = c(1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4, 5, 5, 5, 6, 6, 6, 7, 7, 7,
                 8, 8, 8, 9, 9, 9, 10, 10, 10),
        Date = date(c("2019-01-01", "2019-01-12", "2019-01-22", "2019-01-06",
                 "2019-01-15", "2019-01-22", "2019-01-05", "2019-01-07",
                 "2019-01-14", "2019-01-03", "2019-01-08", "2019-01-11", "2019-01-02",
                 "2019-01-20", "2019-01-23", "2019-01-12", "2019-01-16",
                 "2019-01-18", "2019-01-10", "2019-01-10", "2019-01-22", "2019-01-03",
                 "2019-01-04", "2019-01-08", "2019-01-06", "2019-01-14",
                 "2019-01-17", "2019-01-02", "2019-01-14", "2019-01-21")))

确定体重日期是否在血检日期的前一周。

compare <- function(a, b) {
  (a - b) <= 7
}

在过去的7天里，得到一张每一次血量和所有匹配体重的表格。这不管用。

chickblood %>%
fuzzy_left_join(
  mychickwts,
  by = c(
    "Chick" = "Chick",
    "Date" = "Date"
    ),
  match_fun = list(`==`, `compare`)
  )

我也尝试了difference_join，但在这种情况下，我似乎不知道如何让它与小鸡匹配，它在约会前后都会返回。

   chickblood %>%
    difference_join(mychickwts, by = "Date",
       max_dist = 7
      )

我试过在%内使用%，而不是运气。这会返回一个错误，我不知道确切的原因。

chickblood %>%
fuzzy_left_join(
  mychickwts,
  by = c("Chick" = "Chick", 
         "Date" = "Date"),
  match_fun = list("==", "%within%")
  ) %>%
  arrange(Date.x)

Error in which(m) : argument to 'which' is not logical

Answer 1

由于数据集不太大，您只需在“Chick”上做一个正常的左连接，然后确定体重日期是否在血液工作日期的前一周。从那里你可以保留你想要的行。

library(tidyverse)
library(lubridate)
library(fuzzyjoin)

mychickwts$Chick <- as.numeric(mychickwts$Chick)

chickblood %>% 
  left_join(mychickwts, by = "Chick", suffix = c(".blood", ".wt")) %>% 
  mutate(wt_days_prior = Date.blood - Date.wt) %>% 
  mutate(wt_in_week_prior = wt_days_prior <= 7 & wt_days_prior >= 0) %>% 
  filter(wt_in_week_prior)

或者，如果您想在单个联接中执行此操作，则类似的操作可能会有效。

chickblood %>% 
  fuzzy_left_join(mychickwts, by = c("Chick", "Date"),
                  match_fun = list(`==`, function(x, y) x - y >= 0 & x - y <= 7)
  )

将fuzzy_left_join替换为fuzzy_inner_join，只保留前一周有体重日期的血样测量值。