R语言中按行逐列匹配数据框成对列并新增匹配值列

数据定义 #

df1 <- data.frame(
    col1 = c(1, 2, 3),
    col2 = c(4, 5, 6),
    col3 = c(2, 8, 9),
    col4 = c(5, 11, 12),
    col5 = c(13, 14, 15),
    col6 = c(16, 17, 18),
    col7 = c(19, 20, 21),
    col8 = c(22, 23, 24)
)

df2 <- data.frame(
    colA = c(1, 2, 3),
    colB = c(4, 5, 6),
    value = c(100, 200, 300)
)

需求说明 #

需要在df1中按行从左到右遍历所有成对列（如col1&col2、col3&col4……），每一对与df2的colA、colB进行匹配，匹配成功则新增一列存储df2对应的value值，最终得到包含原数据和所有匹配结果的df3（示例结构如下）：

df3 <- data.frame(
    col1 = c(1, 2, 3),
    col2 = c(4, 5, 6),
    col3 = c(2, 8, 9),
    col4 = c(5, 11, 12),
    col5 = c(13, 14, 15),
    col6 = c(16, 17, 18),
    col7 = c(19, 20, 21),
    col8 = c(22, 23, 24),
    match1 = c(100, 200, 300),
    match2 = c(200, NA, NA)
)

现有尝试及问题 #

之前尝试的代码只能处理一组列的匹配，无法适配df1列数动态变化的场景：

df_match <- inner_join(df1, df2, by = c("col1" = "colA", "col2" = "colB"))
  
df1$matched_value <- df_match$value[match(paste(df1$col1, df1$col2), paste(df_match$col1, df_match$col2))]

动态列数的解决方案 #

可以通过成对遍历df1的列，逐一对每列组合进行匹配，最后将结果合并回原数据框。以下是两种实现方式：

方式1：基础R循环实现 #

# 确定成对列的组数（需确保df1列数为偶数）
pair_count <- ncol(df1) %/% 2

# 初始化结果为原df1
df3 <- df1

# 循环处理每一对列
for(i in 1:pair_count) {
  # 获取当前成对的列名
  col1_name <- paste0("col", (i*2)-1)
  col2_name <- paste0("col", i*2)
  
  # 生成匹配键，与df2的colA、colB匹配
  match_key <- paste(df3[[col1_name]], df3[[col2_name]])
  df2_key <- paste(df2$colA, df2$colB)
  
  # 匹配并新增列
  df3[[paste0("match", i)]] <- df2$value[match(match_key, df2_key)]
}

方式2：tidyverse + purrr实现 #

如果习惯用tidyverse工具链，可通过分组映射来处理：

library(tidyverse)

# 将df1转换为长格式，按行和列组分组
df1_long <- df1 %>%
  mutate(row_id = row_number()) %>%
  pivot_longer(-row_id, names_to = "col", values_to = "val") %>%
  mutate(pair_group = ceiling(as.integer(str_remove(col, "col"))/2)) %>%
  pivot_wider(names_from = col, values_from = val) %>%
  rename_with(~c("row_id", "pair_group", "colA", "colB"), 1:4)

# 与df2匹配后再转宽格式合并回原数据
match_results <- df1_long %>%
  left_join(df2, by = c("colA", "colB")) %>%
  select(row_id, pair_group, value) %>%
  pivot_wider(names_from = pair_group, values_from = value, names_prefix = "match")

# 合并原数据和匹配结果
df3 <- df1 %>%
  mutate(row_id = row_number()) %>%
  left_join(match_results, by = "row_id") %>%
  select(-row_id)

两种方式都能自动适配df1的动态列数（只要列数为偶数），最终生成符合要求的df3。

内容的提问来源于stack exchange，提问作者Hard_Course