如何在R中基于动态列匹配规则自动为数据框赋值结果？

示例数据 #

先定义问题中的示例数据框和规则表：

library(tidyverse)

# 待匹配的数据框
df <- tibble(
  ID = c(1,2,3,4,5),
  Category = c("A", "B", "A", "C", "B"),
  SubCategory = c("X", "Y", "X", "X", "X")
)

# 规则表：主键+可选副键匹配，先定义的规则优先级更高
ID_Matrix <- tibble(
  PrimaryKeyField = c("Category", "Category", "ID"),
  PrimaryMatchData = c("A", "B", "4"),
  SecondaryKeyField = c("SubCategory", NA, NA),
  SecondaryMatchData = c("Y", NA, NA),
  Result = c("High", "Medium", "Low")
)

自动化匹配代码 #

利用purrr::reduce按规则优先级批量处理，仅对未匹配的行应用后续规则：

# 初始化Result列为NA（未匹配状态）
df_result <- df %>% mutate(Result = NA_character_)

# 为每条规则生成处理函数：仅更新未匹配的行
rule_processors <- ID_Matrix %>%
  rowwise() %>%
  mutate(
    processor = list(function(data) {
      # 捕获当前规则的目标结果
      target_result <- Result
      # 构建主键匹配条件
      match_cond <- sym(PrimaryKeyField) == PrimaryMatchData
      # 若有副键，添加副键匹配条件
      if (!is.na(SecondaryKeyField)) {
        match_cond <- match_cond & (sym(SecondaryKeyField) == SecondaryMatchData)
      }
      # 仅对Result为NA且满足匹配条件的行赋值
      data %>%
        mutate(Result = ifelse(is.na(Result) & !!match_cond, target_result, .data$Result))
    })
  ) %>%
  pull(processor)

# 按规则定义顺序依次应用，保证优先级
df_final <- reduce(rule_processors, ~ .y(.x), .init = df_result)

代码逻辑说明 #

1. 初始化状态：先给数据框添加Result列，初始值为NA，标记未匹配任何规则。
2. 规则函数生成：遍历规则表的每一行，生成对应的匹配函数。函数会根据主键+可选副键构建匹配条件，仅对还未匹配（Result为NA）的行进行赋值。
3. 优先级保障：通过reduce按规则表的原始顺序应用函数，先定义的规则先完成匹配赋值，后续规则无法覆盖已匹配的结果，完美实现"先定义规则覆盖后定义规则"的要求。

预期输出 #

df_final
#> # A tibble: 5 × 4
#>      ID Category SubCategory Result
#>   <dbl> <chr>    <chr>       <chr> 
#> 1     1 A        X           NA    
#> 2     2 B        Y           Medium
#> 3     3 A        X           NA    
#> 4     4 C        X           Low   
#> 5     5 B        X           Medium

内容的提问来源于stack exchange，提问作者J.C.