按最近邻合并-R组

Question

我有两个国家*年份的数据集，涵盖相同的国家，但在不同的年份。我想合并这两者的方式，那一年是最接近的邻居，总是在国内(iso2code)。

第一个(dat1)看起来如下(这里只显示AT的头部，但iso2code有多个不同的值)：

  iso2code  year elect_polar_lrecon
  <chr>    <dbl>              <dbl>
1 AT        1999               2.48
2 AT        2002               4.18
3 AT        2006               3.66
4 AT        2010               3.91
5 AT        2014               4.01
6 AT        2019               3.55

第二个(dat2)如下所示：

  iso2code  year affpol
  <chr>    <dbl>  <dbl>
1 AT        2008   2.47
2 AT        2013   2.49
3 DE        1998   2.63
4 DE        2002   2.83
5 DE        2005   2.89
6 DE        2009   2.09

最后，我希望有这样的东西(请注意，2008年的国际刑警组织的价值可以与2010年和2006年相匹配，因为它与两者都是同样遥远的。)如果可能，我将选择最近的日期，如下所示)：

  iso2code  year.1 elect_polar_lrecon year.2 affpol
  <chr>    <dbl>                <dbl>  <dbl>  <dbl>
1 AT        1999                 2.48  
2 AT        2002                 4.18  
3 AT        2006                 3.66  
4 AT        2010                 3.91  2008    2.47
5 AT        2014                 4.01  2013    2.49
6 AT        2019                 3.55  

不知道该怎么做。我很高兴有一个潮汐的解决方案，但真的，所有的帮助是非常感谢的！

Answer 1

正如亨里克所提到的，这可以通过在滚动连接中更新到data.table包中可用的最近连接来解决。此外，如果匹配的距离相当遥远，则OP要求选择最近的日期。

library(data.table)
setDT(dat1)[setDT(dat2), roll = "nearest", on = c("iso2code", "year"), 
     `:=`(year.2 = i.year, affpol = i.affpol)]

dat1

iso2code year elect\_polar\_lrecon year.2 affpol 1: AT 1999 2.48 NA NA 2: AT 2002 4.18 NA NA 3: AT 2006 3.66 2008 2.47 4: AT 2010 3.91 NA NA 5: AT 2014 4.01 2013 2.49 6: AT 2019 3.55 NA NA

此操作通过引用更新了dat1，即不通过添加两个额外列来复制整个数据对象。

现在，OP已经要求选择最近的日期，如果匹配是同样遥远的，但是联接已经选择了较早的日期。显然，在滚动连接到最近的地方没有控制这一点的参数。

解决方法是创建一个保持负年份的助手变量nyear，并加入该变量：

setDT(dat1)[, nyear := -year][setDT(dat2)[, nyear := -year], 
                              roll = "nearest", on = c("iso2code", "nyear"), 
                             `:=`(year.2 = i.year, affpol = i.affpol)][
                               , nyear := NULL]
dat1

iso2code year elect\_polar\_lrecon year.2 affpol 1: AT 1999 2.48 NA NA 2: AT 2002 4.18 NA NA 3: AT 2006 3.66 NA NA 4: AT 2010 3.91 2008 2.47 5: AT 2014 4.01 2013 2.49 6: AT 2019 3.55 NA NA

Answer 2

我是在朋友的帮助下想出来的。我把它留在这里以防其他人在找解决办法。假设第一个数据集是to_plot，第二个数据集称为to_plot2。然后：

find_nearest_year <- function(p_year, p_code){

years <- to_plot$year[to_plot$iso2code==p_code] 

nearest_year <- years[1]

for (i in sort(years, decreasing = TRUE)) {
  if (abs(i - p_year) < abs(nearest_year-p_year)) {
    nearest_year <- i
  }
}

return(nearest_year)
  
}

to_plot2 <- to_plot2 %>%
  group_by(iso2code, year) %>%
  mutate(matching_year=find_nearest_year(year, iso2code))

merged <- left_join(to_plot, to_plot2, by=c("iso2code", "year"="matching_year"))