如何基于两列识别数据框内部及跨数据框的重复行

以下是几种在R中实现该需求的实用方法：

方法1：使用基础函数merge() #

merge()可以直接按指定列匹配两个数据框，提取共同行：

# 按state和name列匹配，保留两个数据框的所有列
common_rows <- merge(ppl, ppl_2, by = c("state", "name"))
print(common_rows)

执行后会输出两个数据框中state和name完全一致的行（也就是你要找的TN Ruby组合），两个数据框的id列会分别以id.x和id.y区分。

方法2：用dplyr的半连接筛选 #

如果你常用tidyverse工具链，dplyr的semi_join()是更简洁的选择，它只保留左侧数据框中在右侧数据框存在匹配的行：

library(dplyr)

# 从ppl中筛选出在ppl_2有相同state和name的行
match_ppl <- semi_join(ppl, ppl_2, by = c("state", "name"))
# 从ppl_2中筛选对应匹配行
match_ppl2 <- semi_join(ppl_2, ppl, by = c("state", "name"))

# 查看结果
print(match_ppl)
print(match_ppl2)

方法3：手动生成匹配键筛选 #

如果不想加载额外包，可以通过拼接列生成唯一标识来判断：

# 为每个数据框生成state+name的组合键
ppl$key <- paste(ppl$state, ppl$name, sep = "_")
ppl_2$key <- paste(ppl_2$state, ppl_2$name, sep = "_")

# 找出两个数据框共有的键
shared_keys <- intersect(ppl$key, ppl_2$key)

# 筛选出对应行
result_ppl <- subset(ppl, key %in% shared_keys)
result_ppl2 <- subset(ppl_2, key %in% shared_keys)

# 查看结果
print(result_ppl)
print(result_ppl2)

内容的提问来源于stack exchange，提问作者Andrea