如何基于一个数据框的条件校验另一个数据框的变量取值？

需求说明 #

我有两个数据框df1（规则定义表）和df2（待校验数据），需要根据df1中定义的规则，对df2指定变量的取值进行校验，输出每行的校验结果（用T代表TRUE，F代表FALSE）。

规则定义逻辑 #

df1中每行对应一个校验规则：

• var：待校验的目标变量名
• value：依赖变量需要满足的条件（如==1、!=0）
• dep：规则依赖的变量名

通用规则逻辑（以var为目标变量，dep为依赖变量，value为依赖条件为例）：

1. 若依赖变量满足value指定的条件 → 目标变量校验结果为T
2. 若依赖变量不满足条件：
   • 目标变量为NA → 校验结果为T
   • 目标变量不为NA → 校验结果为F
3. 若依赖变量和目标变量同时为NA → 校验结果为T

额外说明：df1中value为NA的行无需处理，可直接移除。实际场景中df2包含多种类型变量（不限于数值型）。

输入数据 #

df1（规则表）

df2（待校验数据）

预期输出 #

R 解决方案 #

以下代码使用tidyverse工具集实现规则校验，兼容多种变量类型：

library(tidyverse)

# 1. 预处理规则表：过滤无效行，拆分运算符和目标值
df1_clean <- df1 %>%
  filter(!is.na(value)) %>%
  mutate(
    # 拆分运算符与值：匹配开头的比较运算符
    operator = str_extract(value, "^(==|!=|>|<|>=|<=)"),
    target_val = str_remove(value, "^(==|!=|>|<|>=|<=)") %>%
      # 保留原始类型（如字符型直接保留，数值型转换）
      parse_guess()
  )

# 2. 定义校验函数：针对单个规则计算每行结果
check_var <- function(var_col, dep_col, operator, target_val) {
  case_when(
    # 情况1：依赖变量满足条件 → T
    eval(parse(text = paste(dep_col, operator, target_val))) ~ TRUE,
    # 情况3：两者都为NA → T
    is.na(var_col) & is.na(dep_col) ~ TRUE,
    # 情况2：依赖不满足，目标为NA → T；否则F
    is.na(var_col) ~ TRUE,
    TRUE ~ FALSE
  ) %>%
    # 转换为T/F字符
    ifelse(., "T", "F")
}

# 3. 应用所有规则到df2
result_df <- df2 %>%
  select(ID) %>%
  bind_cols(
    map_dfc(1:nrow(df1_clean), function(i) {
      var_name <- df1_clean$var[i]
      dep_name <- df1_clean$dep[i]
      op <- df1_clean$operator[i]
      val <- df1_clean$target_val[i]
      
      check_var(
        var_col = df2[[var_name]],
        dep_col = df2[[dep_name]],
        operator = op,
        target_val = val
      ) %>%
        as_tibble_col(column_name = var_name)
    })
  )

# 输出结果
print(result_df)

代码说明 #

• 预处理规则表时，通过正则拆分比较运算符和目标值，并用parse_guess()自动匹配值的类型，保证兼容不同变量类型。
• check_var()函数根据规则逻辑分情况判断，使用eval(parse())动态执行比较条件，适配不同的运算符。
• 最后通过map_dfc()批量应用所有规则，整合结果并保留ID列。

内容的提问来源于stack exchange，提问作者Rara