R语言中如何按字符位置合并df与df2两个DataFrame？

方法一：使用dplyr和tidyr包 #

适合熟悉tidyverse语法的用户，步骤清晰易读：

1. 先给df添加每个字符串覆盖的vec1位置区间（起始start和结束end）：

library(dplyr)
library(tidyr)

df <- df %>%
  mutate(
    start = lag(position, default = 0) + 1,
    end = position
  )

2. 交叉连接df和df2，筛选出df2中位置落在df区间内的记录，再按df的行分组聚合名称：

df3 <- df %>%
  # 交叉连接两个表，建立所有可能的匹配关系
  left_join(df2, by = character(), relationship = "many-to-many") %>%
  # 筛选出df2的position在当前df行的start和end之间的记录
  filter(between(position.y, start, end)) %>%
  # 按df的position和string分组，将name用逗号拼接
  group_by(position.x, string) %>%
  summarise(name = paste(name, collapse = ", "), .groups = "drop") %>%
  # 右连接回原df，保留所有原行
  right_join(df, by = c("position.x" = "position", "string")) %>%
  # 整理列顺序和名称，将空字符串转为NA
  select(position = position.x, string, name) %>%
  mutate(name = ifelse(name == "", NA_character_, name))

方法二：使用Base R #

无需加载额外包，用原生R函数实现：

1. 给df添加位置区间：

# 计算每个string的起始位置：前一个position+1，第一个起始为1
df$start <- c(1, df$position[-nrow(df)] + 1)
df$end <- df$position

2. 匹配df2的每个位置对应的df行，再聚合名称：

# 找出每个df2的position属于df的哪一行
df2$df_row <- sapply(df2$position, function(p) which(p >= df$start & p <= df$end))

# 按所属df行分组，拼接name
name_list <- tapply(df2$name, df2$df_row, paste, collapse = ", ")

# 构建最终的df3
df3 <- df[, c("position", "string")]
df3$name <- NA_character_
# 将聚合后的name对应填充到df3中
df3$name[as.integer(names(name_list))] <- name_list

两种方法运行后，都能得到目标结果：

> df3
  position      string             name
1        4        MPPA             pear
2       10     APARLA     apple, lemon
3       12         LA              <NA>
4       20 LGLGLWLG              <NA>
5       27    ALAGGPG apricot, peach
6       30        RGC             grape

内容的提问来源于stack exchange，提问作者Jen