如何根据另一DataFrame的区间匹配值并填充Activity列？

先给出示例数据方便复现：

# 示例输入数据
df1 <- data.frame(
  Name = c("Alice", "Bob", "Charlie"),
  Code = c(15, 35, 55),
  Activity = NA_character_
)

df2 <- data.frame(
  Activity = c("Low", "Medium", "High"),
  LEFT = c(1, 31, 51),
  RIGHT = c(30, 50, 100)
)

# 期望输出
#       Name Code Activity
# 1   Alice   15      Low
# 2     Bob   35   Medium
# 3 Charlie   55     High

为什么你的which写法会出错？ #

直接用which(df2$LEFT <= df1$Code & df2$RIGHT >= df1$Code)会触发R的循环补齐机制：当向量长度不匹配时，短向量会重复自身来匹配长向量的长度。这会导致匹配逻辑完全混乱，返回的索引不是每个df1$Code对应的正确区间位置，自然无法得到正确结果。

修复which的正确用法（逐行匹配） #

用sapply遍历每个Code值，逐行查找对应的区间：

df1$Activity <- sapply(df1$Code, function(x) {
  # 找到当前Code所在区间的行索引
  match_idx <- which(df2$LEFT <= x & df2$RIGHT >= x)
  # 有匹配结果则返回对应Activity，无匹配返回NA
  if (length(match_idx) > 0) df2$Activity[match_idx] else NA_character_
})

更高效的替代方案 #

1. 使用sqldf（正确写法） #

如果之前用sqldf出错，大概率是SQL语法问题，以下是正确的区间关联写法：

library(sqldf)
df1_result <- sqldf("
  SELECT df1.Name, df1.Code, df2.Activity
  FROM df1
  LEFT JOIN df2 ON df1.Code BETWEEN df2.LEFT AND df2.RIGHT
")

2. 使用fuzzyjoin包（简洁直观） #

专门处理模糊匹配的包，适合区间关联场景：

library(fuzzyjoin)
df1_result <- fuzzy_left_join(
  df1, df2,
  by = c("Code" = "LEFT", "Code" = "RIGHT"),
  match_fun = list(`>=`, `<=`)  # 定义匹配规则：Code >= LEFT 且 Code <= RIGHT
) %>%
  select(Name, Code, Activity = Activity.y)  # 保留需要的列并重命名

3. 使用cut函数（仅限连续不重叠区间） #

如果df2的区间是连续且无重叠的，cut是最高效的方法：

# 生成切割断点：包含所有LEFT值，再加一个大于最大RIGHT的边界
breaks <- c(df2$LEFT, max(df2$RIGHT) + 1)
# 对应区间的标签
labels <- df2$Activity

df1$Activity <- cut(
  df1$Code,
  breaks = breaks,
  labels = labels,
  include.lowest = TRUE  # 包含左边界
)

内容的提问来源于stack exchange，提问作者Redesfist