使用dplyr实现数据集精确匹配与部分字符串匹配连接

要实现精确匹配exact列，同时判断pf$id_part是否包含在cj$id_part中的连接逻辑，结合dplyr和stringr可以轻松完成，以下是两种可行方案：

方案一：逐行匹配（rowwise） #

这种方式直观易懂，逐行处理cj的每条记录，在pf中筛选符合条件的匹配项：

# 加载所需包
library(dplyr)
library(stringr)

# 定义数据集
pf <- data.frame('exact'=c('s1','s2','s3','s2','s4'),'id_part'=c('a','a','a','b','c'), 'value'=c(1,2,3,4,5))
cj <- data.frame('exact'=c('s1','s1','s4','s2','s4'), 'id_part'=c('saf','r2a@ff','k5-a','6b4-d','ab1'))

# 生成结果
output <- cj %>%
  rowwise() %>% # 逐行处理
  mutate(
    # 在pf中筛选exact匹配且pf$id_part包含于当前cj$id_part的记录
    value = pf %>%
      filter(exact == !!current_env()$exact, str_detect(!!current_env()$id_part, id_part)) %>%
      pull(value) %>%
      # 若有匹配值则取该值，否则赋值0
      {ifelse(length(.) > 0, ., 0)}
  ) %>%
  ungroup() # 取消逐行模式

print(output)

方案二：左连接后筛选分组 #

先基于exact列做左连接，再通过字符串匹配筛选有效记录，最后分组聚合得到结果：

# 加载所需包
library(dplyr)
library(stringr)

# 定义数据集
pf <- data.frame('exact'=c('s1','s2','s3','s2','s4'),'id_part'=c('a','a','a','b','c'), 'value'=c(1,2,3,4,5))
cj <- data.frame('exact'=c('s1','s1','s4','s2','s4'), 'id_part'=c('saf','r2a@ff','k5-a','6b4-d','ab1'))

# 生成结果
output <- cj %>%
  # 按exact列精确左连接，保留cj所有行
  left_join(pf, by = "exact", suffix = c("_cj", "_pf")) %>%
  # 判断pf$id_part是否包含在cj$id_part中，匹配则保留value，否则设为0
  mutate(
    value = ifelse(str_detect(id_part_cj, id_part_pf), value, 0)
  ) %>%
  # 按cj的原始行分组，提取有效value（因左连接可能产生重复行）
  group_by(exact, id_part_cj) %>%
  summarise(
    value = max(value),
    .groups = "drop"
  ) %>%
  # 还原列名
  rename(id_part = id_part_cj)

print(output)

说明 #

• 两种方案均会输出你预期的结果，核心逻辑是用str_detect()判断字符串包含关系，而非使用stringdist（该函数用于计算字符串相似度，不适合判断包含场景）。
• 若同一cj行存在多个符合条件的pf记录，可根据需求调整聚合逻辑（如sum()或first()）。

内容的提问来源于stack exchange，提问作者efz