按站点统计两个Dataframe间的物种匹配数量

两种方法都可以实现按站点统计两表共同物种数量，以下是具体代码：

方法一：内连接 + 分组计数 #

这是最直接的方式，利用内连接筛选出两表共有的Site-Species组合，再按站点统计数量：

library(dplyr)

# 清理数据：保留关键列并确保每个Site-Species唯一
df1_clean <- df1 %>% select(Site, Species) %>% distinct()
df2_clean <- df2 %>% select(Site, Species) %>% distinct()

# 统计每个站点的共同物种数
common_species_count <- df1_clean %>%
  inner_join(df2_clean, by = c("Site", "Species")) %>%
  count(Site, name = "common_species_number")

# 查看结果
print(common_species_count)

针对你提供的BRY1示例，运行后会得到Site = BRY1, common_species_number = 1，符合预期。

方法二：分组拆分 + 交集计算 #

如果需要更灵活的站点级操作，可以拆分数据后逐个计算物种交集：

library(dplyr)
library(purrr)

# 按站点拆分数据（仅保留关键列）
df1_split <- df1 %>% select(Site, Species) %>% distinct() %>% group_split(Site)
df2_split <- df2 %>% select(Site, Species) %>% distinct() %>% group_split(Site)

# 遍历每个站点，计算共同物种数量
common_counts <- map2_df(df1_split, df2_split, function(x, y) {
  tibble(
    Site = first(x$Site),
    common_species_number = length(intersect(x$Species, y$Species))
  )
})

# 查看结果
print(common_counts)

关于semi_join的问题 #

你之前用semi_join效果不佳，大概率是因为只完成了筛选步骤，没有后续的分组计数。如果要用semi_join，可以这样补充：

semi_join(df1, df2, by = c("Site", "Species")) %>%
  select(Site, Species) %>%
  distinct() %>%
  count(Site, name = "common_species_number")

不过本质上和方法一逻辑一致，只是筛选方式不同。

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