如何在分组内检查df1元素是否存在于df2中（tidyverse实现）

原始数据 #

library(dplyr)
df1 <- data.frame(x = c(1, 2, 3, 4), z = c("A", "A", "B", "B"))
df2 <- data.frame(x = c(2, 4, 6, 8), z = c("A", "A", "B", "C"))

需求说明 #

为df1添加present列，仅当该行的z分组与df2中某行的z分组相同、且x值也相同时，present设为TRUE。预期仅df1中x=2、z=A的行present为TRUE。

解决方案 #

以下是几种符合Tidyverse风格的实现方式：

方法1：分组后逐组匹配

通过group_by(z)分组，利用cur_group()获取当前组的z值，筛选df2对应组的x进行匹配：

df1 <- df1 %>% 
  group_by(z) %>% 
  mutate(present = x %in% df2$x[df2$z == cur_group()$z]) %>% 
  ungroup()

方法2：左连接后判断匹配

按x和z左连接两个数据集，通过判断是否存在匹配行标记present：

df1 <- df1 %>% 
  left_join(df2 %>% select(x, z), by = c("x", "z")) %>% 
  mutate(present = !is.na(z.y)) %>% 
  select(-z.y)

方法3：半连接筛选匹配行

用semi_join筛选出df1中与df2按x和z匹配的行，再标记这些行的present为TRUE：

matched <- df1 %>% semi_join(df2, by = c("x", "z"))
df1 <- df1 %>% mutate(present = row_number() %in% matched$row_number())

验证结果 #

执行任意方法后，df1的输出结果如下：

> df1
  x z present
1 1 A   FALSE
2 2 A    TRUE
3 3 B   FALSE
4 4 B   FALSE

内容的提问来源于stack exchange，提问作者bill999