基于多列匹配为R数据框添加对应type值的实现方案

核心思路 #

• 针对cat_df的每一行，仅用非NA字段作为匹配条件
• 逐行处理bld_g，在cat_df中筛选满足匹配条件的行，若存在则取对应的type值，否则赋值为0

代码实现 #

1. 构造测试数据 #

library(dplyr)

# 参考数据框：包含type字段，部分字段为NA
cat_df <- tibble(
  col1 = c("A", "B", NA, "C"),
  col2 = c(1, NA, 3, 4),
  col3 = c("X", "Y", "Z", NA),
  type = c(101, 102, 103, 104)
)

# 目标数据框：需要新增type字段，包含空值
bld_g <- tibble(
  col1 = c("A", "B", "D", "C", NA),
  col2 = c(1, 2, 3, 4, 3),
  col3 = c("X", "Y", "Z", "W", "Z")
)

2. 实现匹配逻辑 #

bld_g_with_type <- bld_g %>%
  rowwise() %>%
  mutate(
    type = {
      # 筛选cat_df中符合匹配规则的行：仅对比cat_df该行非NA的字段
      matched_rows <- cat_df %>%
        filter(
          across(
            all_of(setdiff(names(cat_df), "type")),  # 排除type字段
            ~ ifelse(is.na(.), TRUE, . == cur_data()[[cur_column()]])
          )
        )
      # 存在匹配行则取第一个type值，否则赋值0
      if (nrow(matched_rows) > 0) matched_rows$type[1] else 0
    }
  ) %>%
  ungroup()

关键代码解释 #

• rowwise()：开启逐行处理模式，确保mutate对bld_g的每一行单独计算
• across()：遍历cat_df中除type外的所有字段，对每个字段执行匹配规则：
  • 若cat_df当前字段值为NA，则跳过该字段的对比（直接判定为匹配）
  • 若cat_df当前字段值非NA，则对比与bld_g当前行的对应值是否相等
• 最后根据筛选结果，返回第一个匹配到的type值，无匹配则返回0

验证结果 #

运行代码后，bld_g_with_type的输出如下：

# A tibble: 5 × 4
  col1   col2 col3   type
  <chr> <dbl> <chr> <dbl>
1 A         1 X       101
2 B         2 Y       102
3 D         3 Z       103
4 C         4 W       104
5 NA        3 Z       103

内容的提问来源于stack exchange，提问作者HSJ