dplyr left_join 按小于、大于条件

这个问题与问题有些相关根据不平凡的标准有效合并两个数据帧 https://stackoverflow.com/questions/18840410/efficiently-merging-two-data-frames-on-a-non-trivial-criteria and 检查日期是否在 r 中的两个日期之间 https://stackoverflow.com/questions/31353595/checking-if-date-is-between-two-dates-in-r。我在这里发布的请求是否存在该功能：GitHub问题 https://github.com/hadley/dplyr/issues/557

我希望使用连接两个数据框dplyr::left_join()。我用来加入的条件是小于、大于，即<= and >. Does dplyr::left_join()支持这个功能吗？或者钥匙只需要=他们之间的运算符。从 SQL 运行起来很简单（假设我在数据库中有数据框）

这是一个 MWE：我有两个数据集一个公司年（fdata），而第二个是每五年发生一次的调查数据。所以多年来fdata在两个调查年份之间，我加入相应的调查年份数据。

id <- c(1,1,1,1,
        2,2,2,2,2,2,
        3,3,3,3,3,3,
        5,5,5,5,
        8,8,8,8,
        13,13,13)

fyear <- c(1998,1999,2000,2001,1998,1999,2000,2001,2002,2003,
       1998,1999,2000,2001,2002,2003,1998,1999,2000,2001,
       1998,1999,2000,2001,1998,1999,2000)

byear <- c(1990,1995,2000,2005)
eyear <- c(1995,2000,2005,2010)
val <- c(3,1,5,6)

sdata <- tbl_df(data.frame(byear, eyear, val))

fdata <- tbl_df(data.frame(id, fyear))

test1 <- left_join(fdata, sdata, by = c("fyear" >= "byear","fyear" < "eyear"))

I get

Error: cannot join on columns 'TRUE' x 'TRUE': index out of bounds 

除非如果left_join可以处理这种情况，但我的语法缺少某些东西？

正如另一个答案所指出的，下面的原始答案已过时。使用较新版本的dplyr，只需使用以下内容。 （请注意，即使使用数据库后端，此语法也适用dbplyr.)

fdata %>% 
left_join(sdata,
          join_by(fyear >= byear, fyear < eyear))

创建原始答案时，没有简单的方法可以使用以下方法进行不等式连接dplyr.

原答案

Use a filter。 （但请注意，这个答案确实not产生一个正确的LEFT JOIN;但 MWE 给出了正确的结果INNER JOIN反而。）

The dplyr如果要求合并两个表而没有要合并的内容，则包不高兴，因此在下面，我为此目的在两个表中创建一个虚拟变量，然后过滤，然后删除dummy:

fdata %>% 
    mutate(dummy=TRUE) %>%
    left_join(sdata %>% mutate(dummy=TRUE)) %>%
    filter(fyear >= byear, fyear < eyear) %>%
    select(-dummy)

请注意，如果您在 PostgreSQL 中执行此操作（例如），查询优化器会看到dummy变量如以下两个查询解释所示：

> fdata %>% 
+     mutate(dummy=TRUE) %>%
+     left_join(sdata %>% mutate(dummy=TRUE)) %>%
+     filter(fyear >= byear, fyear < eyear) %>%
+     select(-dummy) %>%
+     explain()
Joining by: "dummy"
<SQL>
SELECT "id" AS "id", "fyear" AS "fyear", "byear" AS "byear", "eyear" AS "eyear", "val" AS "val"
FROM (SELECT * FROM (SELECT "id", "fyear", TRUE AS "dummy"
FROM "fdata") AS "zzz136"

LEFT JOIN 

(SELECT "byear", "eyear", "val", TRUE AS "dummy"
FROM "sdata") AS "zzz137"

USING ("dummy")) AS "zzz138"
WHERE "fyear" >= "byear" AND "fyear" < "eyear"


<PLAN>
Nested Loop  (cost=0.00..50886.88 rows=322722 width=40)
  Join Filter: ((fdata.fyear >= sdata.byear) AND (fdata.fyear < sdata.eyear))
  ->  Seq Scan on fdata  (cost=0.00..28.50 rows=1850 width=16)
  ->  Materialize  (cost=0.00..33.55 rows=1570 width=24)
        ->  Seq Scan on sdata  (cost=0.00..25.70 rows=1570 width=24)

并用 SQL 更干净地完成它给出exactly相同的结果：

> tbl(pg, sql("
+     SELECT *
+     FROM fdata 
+     LEFT JOIN sdata 
+     ON fyear >= byear AND fyear < eyear")) %>%
+     explain()
<SQL>
SELECT "id", "fyear", "byear", "eyear", "val"
FROM (
    SELECT *
    FROM fdata 
    LEFT JOIN sdata 
    ON fyear >= byear AND fyear < eyear) AS "zzz140"


<PLAN>
Nested Loop Left Join  (cost=0.00..50886.88 rows=322722 width=40)
  Join Filter: ((fdata.fyear >= sdata.byear) AND (fdata.fyear < sdata.eyear))
  ->  Seq Scan on fdata  (cost=0.00..28.50 rows=1850 width=16)
  ->  Materialize  (cost=0.00..33.55 rows=1570 width=24)
        ->  Seq Scan on sdata  (cost=0.00..25.70 rows=1570 width=24)