如何判断一列文本字符串是否存在于另一列？附R语言示例

需求说明 #

给定两组文本向量df1和df2，需先判断df1中的每个字符串是否存在于df2的任意字符串中，最终生成包含df2全部内容，以及df1中未在df2里匹配到的内容的结果df3。

示例数据 #

df1 <- c("Board of Accountancy", "Board of Economists", "Board of Medicine")
df2 <- c("State Board of Accountancy", "The State Board of Economists", "State Board of Law")

步骤1：判断df1字符串是否存在于df2中 #

使用基础R的sapply结合grepl、any函数，可快速判断df1每个元素是否在df2中出现：

# 生成逻辑向量，标记df1每个元素是否在df2中有匹配
df1_match_status <- sapply(df1, function(x) any(grepl(x, df2)))

# 查看结果
df1_match_status
# 输出：
# Board of Accountancy    Board of Economists      Board of Medicine 
#                TRUE                 TRUE                FALSE 

• grepl(x, df2)：检查df2的每个元素是否包含字符串x，返回对应逻辑值
• any()：判断该逻辑向量中是否存在至少一个TRUE，即x是否在df2的任意元素中出现

步骤2：生成目标结果df3 #

提取df1中未匹配的元素，与df2合并即可得到df3：

# 提取df1中未匹配的元素
df1_unmatched <- df1[!df1_match_status]

# 合并df2和未匹配的df1元素
df3 <- c(df2, df1_unmatched)

# 查看最终结果
df3
# 输出：
# [1] "State Board of Accountancy"    "The State Board of Economists"
# [3] "State Board of Law"            "Board of Medicine"            

内容的提问来源于stack exchange，提问作者Tim Wilcox