如何基于更新数据集的实例出现次数替换原数据集的对应值？

这个需求的核心是按clust_size的组内行号匹配更新，而不是简单的全量替换——毕竟你只需要把updated里的每个条目对应替换have中同clust_size的某一行，而不是所有行。用tidyverse的工具可以非常简洁高效地实现，完全不需要循环，适合处理数万行的大数据。

解决方案步骤 #

我们的思路是给两个数据集的每个clust_size组添加行号，通过clust_size+行号的组合来精准匹配需要更新的行，再用合并操作完成替换：

• 给have按clust_size分组，添加组内行号，标记同大小集群的第1、2、...行；
• 给updated做同样的分组行号标记，这样每个updated里的条目就对应have中同集群的第n行；
• 左连接两个数据集，用coalesce函数优先取更新后的index，没有匹配的保持原1。

完整代码 #

library(dplyr)

# 给原始数据集添加组内行号
have_with_row <- have %>%
  group_by(clust_size) %>%
  mutate(row_num = row_number()) %>%
  ungroup()

# 给更新数据集添加组内行号
updated_with_row <- updated %>%
  group_by(clust_size) %>%
  mutate(row_num = row_number()) %>%
  ungroup()

# 左连接并完成index更新
want <- have_with_row %>%
  left_join(updated_with_row, by = c("clust_size", "row_num")) %>%
  # 优先用updated的index，没有则保留原index
  mutate(index = coalesce(index.y, index.x)) %>%
  # 保留需要的列
  select(clust_size, index)

代码解释 #

• 组内行号：row_number()在每个clust_size组内生成递增的序号，这样updated里clust_size=44的第1条（index=8）就对应have里clust_size=44的第1行，第2条（index=9）对应第2行，完美匹配你的需求；
• 左连接：确保have的所有行都被保留，只替换匹配到的行；
• coalesce函数：自动取第一个非NA的值，也就是如果有更新的index就用更新的，没有就用原来的1，非常简洁。

用你提供的示例数据运行这段代码，得到的want会和你期望的结果完全一致，而且处理数万行数据的速度也很快，比循环高效得多。

内容的提问来源于stack exchange，提问作者jpsmith