r - inner_join() 其中一个键的值范围(年份)

Question

我有两个格式如下的数据集:

df1
#>           Artist          Album Year
#> 1        Beatles  Sgt. Pepper's 1967
#> 2 Rolling Stones Sticky Fingers 1971

和

df2
#>            Album Year      Producer
#> 1  Sgt. Pepper's 1966 George Martin
#> 2 Sticky Fingers 1971  Jimmy Miller

我想按专辑和年份进行 inner_join，但有时“年份”字段会偏移一年:例如，Sgt. Peppers 在 df1 中列为 1967，在 df2 中列为 1966。

所以如果我运行:

df3 <- inner_join(df1, df2, by = c("Album", "Year"))

我得到:

df3
#>           Artist          Album Year     Producer
#> 1 Rolling Stones Sticky Fingers 1971 Jimmy Miller

然而，我希望两个专辑都加入，只要像 (df1$Year == df2$Year + 1)|(df1$Year == df2$Year - 1) .

我不能简单地按“专辑”加入，因为在我的真实数据集中，有一些名称相同的“专辑”以“年份”区分。

以下数据集的代码:

df1 <- data.frame(stringsAsFactors=FALSE,
      Artist = c("Beatles", "Rolling Stones"),
       Album = c("Sgt. Pepper's", "Sticky Fingers"),
        Year = c(1967, 1971)
)
df1

df2 <- data.frame(stringsAsFactors=FALSE,
       Album = c("Sgt. Pepper's", "Sticky Fingers"),
        Year = c(1966, 1971),
    Producer = c("George Martin", "Jimmy Miller")
)
df2

Answer 1

我们可以在这里尝试使用 sqldf 包，因为您的要求可以很容易地使用 SQL 连接来表达:

library(sqldf)

sql <- "SELECT t1.Artist, t1.Album, t1.Year, t2.Album, t2.Year, t2.Producer
        FROM df1 t1
        INNER JOIN df2 t2
            ON ABS(t1.Year - t2.Year) <= 1"
df3 <- sqldf(sql)

如果要从两个表中选择所有字段，则使用:

SELECT t1.*, t2.* FROM ...

但请注意，一般来说 SELECT * 是不受欢迎的，最好始终列出要选择的列。