使用R的data.table逐行判断列值是否存在于同行其他列

问题分析 #

你需要的是逐行检查当前行的col1值是否存在于同一行的指定列（col2、col3）中，现有代码的问题在于：

• get("col1") %in% .SD是将col1的值与整个.SD（所有行的col2、col3数据）做匹配，而非仅当前行的对应列值
• 另一种错误结果是跨行匹配，只要其他行存在目标值就标记为1，不符合逐行检查的需求

正确实现方法 #

方法1：使用rowSums逐行判断

利用rowSums统计当前行col1与col2、col3的匹配次数，只要次数大于0就标记为1：

library(data.table)

dt <- data.table(
  id = c(1, 2, 3, 4),
  col1 = c("A", "B", "C", "D"),
  col2 = c("E", "F", "G", "H"),
  col3 = c("A", "J", "A", "B")
)
cols_to_search <- c("col2", "col3")

dt[, check := as.integer(rowSums(.SD == col1) > 0), .SDcols = cols_to_search]

运行结果：

> dt
   id col1 col2 col3 check
1:  1    A    E    A     1
2:  2    B    F    J     0
3:  3    C    G    A     0
4:  4    D    H    B     0

方法2：使用Reduce逐行合并逻辑

通过Reduce将每行的多列匹配结果合并，实现逻辑判断：

library(data.table)

dt <- data.table(
  id = c(1, 2, 3, 4),
  col1 = c("A", "B", "C", "D"),
  col2 = c("E", "F", "G", "H"),
  col3 = c("A", "J", "A", "B")
)
cols_to_search <- c("col2", "col3")

dt[, check := as.integer(Reduce(`|`, lapply(.SD, function(x) x == col1))), .SDcols = cols_to_search]

方法3：使用pmap逐行处理（灵活扩展场景）

如果需要处理空值、多条件等复杂场景，可结合purrr::pmap实现逐行遍历：

library(data.table)
library(purrr)

dt <- data.table(
  id = c(1, 2, 3, 4),
  col1 = c("A", "B", "C", "D"),
  col2 = c("E", "F", "G", "H"),
  col3 = c("A", "J", "A", "B")
)
cols_to_search <- c("col2", "col3")

dt[, check := as.integer(pmap_lgl(.SD, ~ col1 %in% c(..1, ..2))), .SDcols = cols_to_search]

原理说明 #

上述方法均针对当前行的列值进行比较，而非整个数据集的列：

• rowSums(.SD == col1)逐行计算col1与目标列的匹配数量，大于0则说明当前行存在匹配
• Reduce通过逻辑或运算，合并每行多列的匹配结果
• pmap则直接逐行传入目标列的值，进行行内的存在性判断

内容的提问来源于stack exchange，提问作者Ren