R语言：高效合并含标记组合的DataFrame，规避嵌套循环

核心思路是利用连接操作替代嵌套循环，这类方法在处理DataFrame时效率远高于循环，且代码简洁易维护。

方法一：使用dplyr包（推荐，代码可读性强） #

利用left_join()实现左连接，自动将df1的Sample和Cells_in_Sample匹配到df2对应Population_ID的所有行：

library(dplyr)

final_df <- df2 %>%
  left_join(df1 %>% select(Population_ID, Sample, Cells_in_Sample),
            by = "Population_ID")

• left_join()确保保留df2的所有行，仅填充df1中匹配的字段值
• select()筛选df1中需要的列，避免冗余数据带入结果

方法二：使用base R原生函数（无需额外包） #

用merge()函数同样能实现需求，设置all.x = TRUE实现左连接：

final_df <- merge(df2, df1[, c("Population_ID", "Sample", "Cells_in_Sample")],
                  by = "Population_ID", all.x = TRUE)

• all.x = TRUE参数保证df2的所有行都被保留
• df1[, c(...)]用来精准筛选需要匹配的列，减少计算量

示例验证 #

假设存在以下测试数据：

# 示例df1
df1 <- data.frame(
  Sample = c("S1", "S2"),
  Population_ID = c("A+B+C", "X+Y+Z"),
  Cells_in_Sample = c(1000, 800)
)

# 示例df2
df2 <- data.frame(
  Population_ID = c("A", "A+B", "A+B+C", "X", "X+Y", "X+Y+Z")
)

运行上述任意方法后，final_df结果如下：

Population_ID Sample Cells_in_Sample
1             A     S1            1000
2           A+B     S1            1000
3         A+B+C     S1            1000
4             X     S2             800
5           X+Y     S2             800
6         X+Y+Z     S2             800

内容的提问来源于stack exchange，提问作者DaniCee