R语言中如何基于包含关系的NDC编码实现表连接？

针对你遇到的NDC编码末尾数字不一致导致连接失败的问题，这里有几种实用的解决方法：

方法1：截取固定长度的基础编码 #

如果基础NDC编码是固定长度（比如例子里的8位），直接截取表1编码的对应长度即可：

# 给表1添加基础编码列，截取前8位
ndcnum$ndc_base <- substr(ndcnum$ncdnum, 1, 8)
# 表2的编码已经是基础格式，直接复用或统一列名
ndccodes$ndc_base <- ndccodes$new_NDC_Product
# 基于处理后的列做左连接
TopNDCCodes <- left_join(ndcnum, ndccodes, by = "ndc_base")

方法2：移除末尾所有额外数字 #

如果额外数字的位数不固定，用正则表达式去掉编码末尾的所有数字：

library(stringr)
# 移除表1编码末尾的数字序列
ndcnum$ndc_base <- str_remove(ndcnum$ncdnum, "\\d+$")
# 用处理后的基础编码和表2连接
TopNDCCodes <- left_join(ndcnum, ndccodes, by = c("ndc_base" = "new_NDC_Product"))

方法3：模糊匹配前缀 #

如果需要更灵活的匹配逻辑（比如表2编码是表1编码的前缀），可以用fuzzyjoin包实现：

library(fuzzyjoin)
# 匹配规则：表1的编码以表2的编码开头
TopNDCCodes <- fuzzy_left_join(
  ndcnum,
  ndccodes,
  by = c("ncdnum" = "new_NDC_Product"),
  match_fun = function(x, y) str_starts(x, y)
)

注意事项 #

• 提前检查数据：确认所有基础编码的格式统一，避免因个别异常编码导致匹配错误
• 测试正则规则：如果用方法2，要确保正则\\d+$能准确匹配你数据里的额外数字，不会误删有效编码部分

内容的提问来源于stack exchange，提问作者sebastian.mendoza