如何高效匹配多列hospid的DataFrame以获取对应test列值？

问题场景 #

我有两个DataFrame：

• df1存储参与者ID（部分参与者拥有多个ID但为同一人），数据定义如下：

df1 <-data.frame(hospid_1=c("A", "B", "C"),
                 hospid_2=c("E", "", "I"),
                 hospid_3=c("", "K", ""),
                 test = c("jack", "will", "gil"))

• df2存储血液检测结果，其中的hospid与df1对应（列结构不同），数据定义如下：

df2 <- data.frame(hospid_1=c("A", "I", "K"),
                     Feature=c("123", "456", "789"))

需求是将df1的test列与df2的hospid进行匹配，期望得到结果：

hospid Feature test
1      A     123 jack
2      I     456  gil
3      K     789 will

实际场景中df2有数千条hospid数据，希望找到比逐列使用left_join更高效简洁的方法。

解决方案 #

可以借助tidyverse工具集将df1的宽格式ID列转换为长格式，再一次性完成匹配，步骤如下：

1. 加载依赖包（未安装的话先执行install.packages("tidyverse")）：

library(tidyverse)

2. 转换df1为长格式ID映射表，过滤空ID值：

id_mapping <- df1 %>%
  pivot_longer(cols = starts_with("hospid_"), 
               names_to = "id_column", 
               values_to = "hospid") %>%
  filter(hospid != "") %>%
  select(hospid, test)

3. 与df2进行匹配并整理结果：

final_result <- df2 %>%
  rename(hospid = hospid_1) %>%
  left_join(id_mapping, by = "hospid") %>%
  select(hospid, Feature, test)

这种方法仅需一次匹配操作，相比多次left_join更高效，尤其适合处理大规模数据。

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