Base R中如何获取DataFrame匹配的所有结果（替代match函数）

现有两个R数据框：

df1 <- data.frame(c('j','g','e'), c(5,8,3))
colnames(df1) <- c('person', 'number')

df2 <- data.frame(c('p','j','w','e','j','e','j'), c('a','b','c','f','l','m','n'))
colnames(df2)<-c('person','other')

需要基于df1$person与df2$person的匹配关系，提取df2$other的所有对应值。match()函数仅能返回首个匹配结果，现提供Base R中适用于大数据框的高效实现方法，示例需获取'j'对应的3个值（'b','l','n'）与'e'对应的2个值（'f','m'）。

方法1：先筛选再分组（高效首选） #

先通过向量化的%in%筛选出df2中person存在于df1的行，再用split()按person分组提取目标值，避免全表遍历，适合大数据场景：

# 筛选匹配行
matched_df <- df2[df2$person %in% df1$person, ]
# 按person分组提取other值
result <- split(matched_df$other, matched_df$person)

# 输出结果
result
# $e
# [1] "f" "m"
# 
# $j
# [1] "b" "l" "n"

如果需要严格保留df1中person的顺序，可再做一次交集筛选：

result <- result[intersect(df1$person, names(result))]

方法2：用tapply直接分组筛选 #

tapply可直接对df2的other列按person分组，同时过滤掉df1中不存在的个体：

result <- tapply(df2$other, df2$person, identity)[df1$person]
# 移除df1中存在但df2无匹配的个体（示例中的'g'）
result <- result[!sapply(result, is.null)]

result
# $j
# [1] "b" "l" "n"
# 
# $e
# [1] "f" "m"

方法3：用by函数分组 #

by函数返回分组对象，可转换为普通列表：

grouped_result <- by(df2$other, df2$person, identity)
# 筛选df1中存在的person并转为列表
result <- as.list(grouped_result[intersect(df1$person, names(grouped_result))])

性能提示 #

大数据框场景下优先选方法1：%in%是高效的向量化操作，先筛选再分组的逻辑能大幅减少后续处理的数据量，远快于循环遍历的实现方式。

内容的提问来源于stack exchange，提问作者Carpa