在R语言中利用条件数据框行对另一数据框计算匹配得分

需求说明 #

现有两个R数据框condition_df和df，需按以下规则计算df每行的得分：

• 以condition_df的每一行作为判断条件
• 若当前条件的type未出现在df的type1至type4列中，则检查df中列名等于该条件position的列，若该列当前行的值与条件的subtype匹配，得1分；否则得0分
• 若条件的type出现在df的type1至type4列中，得0分
• 最终得分为所有条件的得分之和

例如df中ID1的得分为1：前两个条件（type3701、3801）和最后一个条件（type3701）的type均在ID1的type1/type2列中，不计分；第三个条件（type4901）不在ID1的type列中，且position22的列值为D，与subtypeD匹配，得1分，总和为1。

原代码问题分析 #

你尝试的嵌套循环代码未生效，核心问题有三点：

1. 循环覆盖结果：每次循环都会重新生成cir_score列，最终仅保留最后一个条件的判断结果，而非累加所有条件的得分
2. 整列判断而非逐行：any(across(starts_with("type"))==type)会对整个type列进行判断，返回一个全局逻辑值，导致所有行使用相同的判断结果
3. 整列求和而非逐行匹配：sum(get(position)==subtype)是对整列的匹配结果求和，而非判断当前行的匹配情况

解决方案 #

方法一：使用dplyr逐行处理（易读性高） #

library(dplyr)
library(purrr)

df <- df %>%
  rowwise() %>%
  mutate(
    # 将当前行的type1-type4转为向量，方便判断type是否存在
    type_cols = c(type1, type2, type3, type4),
    # 遍历每个条件，计算单条件得分后求和
    cir_score = sum(
      map2_dbl(
        condition_df$type,
        1:nrow(condition_df),
        ~ if (!.x %in% type_cols) {
          # 匹配当前行对应position列的subtype，转整数（1/0）
          as.integer(get(as.character(condition_df$position[.y])) == condition_df$subtype[.y])
        } else {
          0
        }
      )
    )
  ) %>%
  ungroup() %>%
  select(-type_cols) # 移除临时辅助列

方法二：矩阵运算（高效处理大数据） #

如果数据量较大，推荐使用向量/矩阵运算替代逐行处理，效率更高：

library(purrr)

# 提取df的type1-type4列转为矩阵
type_matrix <- as.matrix(df[, grep("^type", names(df))])

# 生成每个条件下，df每行是否不包含该type的逻辑矩阵
condition_check <- map(condition_df$type, ~ !rowSums(type_matrix == .x))

# 生成每个条件下，df每行对应position列是否匹配subtype的逻辑矩阵
subtype_match <- map2(condition_df$position, condition_df$subtype, ~ df[, as.character(.x)] == .y)

# 计算每个条件的得分（逻辑与后转整数），再累加所有条件得分
cir_score <- reduce(map2(condition_check, subtype_match, ~ as.integer(.x & .y)), `+`)

# 将得分加入df
df$cir_score <- cir_score

验证结果 #

运行上述代码后，df的cir_score列结果如下：

内容的提问来源于stack exchange，提问作者Marwah Al-kaabi