使用R语言基于ID判断两个数据集指定列是否匹配的技术问询

示例数据构造 #

先创建两个包含唯一ID和目标列的数据框，模拟实际场景：

# 构造DATA1
DATA1 <- data.frame(
  ID = c(1, 2, 3, 4),
  COL1 = c("A", "B", "C", "D"),
  COL2 = c(10, 20, 30, 40),
  COL3 = c(TRUE, FALSE, TRUE, FALSE),
  COL4 = c(1.1, 2.2, 3.3, 4.4)
)

# 构造DATA2（部分ID的列值存在差异，部分ID仅单侧存在）
DATA2 <- data.frame(
  ID = c(1, 2, 3, 5),
  COL1 = c("A", "X", "C", "E"),
  COL2 = c(10, 20, 35, 50),
  COL3 = c(TRUE, FALSE, TRUE, TRUE),
  COL4 = c(1.1, 2.3, 3.3, 5.5)
)

数据框示例展示 #

DATA1 内容

DATA2 内容

比对实现代码 #

使用dplyr包完成合并与匹配检查，逻辑清晰且易读：

library(dplyr)

# 按ID合并两个数据框，添加后缀区分数据源
merged_data <- full_join(DATA1, DATA2, by = "ID", suffix = c("_DATA1", "_DATA2"))

# 定义匹配检查函数：判断指定列在两个数据源中的值是否完全一致
check_column_match <- function(row) {
  target_cols <- c("COL1", "COL2", "COL3", "COL4")
  # 逐列比对，若任意列不匹配或某ID仅单侧存在，返回FALSE
  all(
    row[paste0(target_cols, "_DATA1")] == row[paste0(target_cols, "_DATA2")],
    na.rm = FALSE
  )
}

# 生成匹配结果列
merged_data <- merged_data %>%
  rowwise() %>%
  mutate(Match_Result = ifelse(check_column_match(cur_data()), "Yes", "No")) %>%
  ungroup()

# 输出最终结果
print(merged_data)

输出结果说明 #

运行代码后会得到包含原始列和匹配结果的数据框：

• ID=1：所有目标列值完全匹配，输出Yes
• ID=2：COL1、COL4值不匹配，输出No
• ID=3：COL2值不匹配，输出No
• ID=4：仅存在于DATA1，输出No
• ID=5：仅存在于DATA2，输出No

内容的提问来源于stack exchange，提问作者ASAB