如何按ID提取表格数据中的不匹配项？（附R代码尝试）

原始输入表格 #

期望输出表格 #

需要新增多个mismatch列，展示同一ID下不同行的字段组合：

尝试的代码 #

t <- t %>% arrange(`ID-COLT`)%>% mutate(across(A1:A2), mismatch_extract_col1_2 = paste(A1[1], A1[2], sep = ":"), mismatch_extract_col1_1 = paste(A1[1], A2[1], sep = ":"), mismatch_extract_col2_2 = paste(A1[1], A2[2], sep = ":"), mismatch_extract_col2_1 = paste(A2[1], A1[2], sep = ":"))

原代码存在三个核心问题：

1. 未按ID分组，直接取A1[1]等是调用整个数据集的行值，而非同一ID组内的行
2. 列名不匹配：原始数据列名为info1/info2，代码中误用了A1/A2；排序字段ID-COLT与原始列名ID不符
3. across(A1:A2)语法错误，未指定处理逻辑，属于无效调用

以下是修正后的代码，使用dplyr分组处理实现需求：

library(dplyr)

# 假设原始数据框名为df
df <- df %>%
  group_by(ID) %>%
  mutate(
    # 提取当前ID组去重排序后的info1/info2值
    info1_list = list(sort(unique(info1))),
    info2_list = list(sort(unique(info2))),
    # 生成各mismatch列
    `mismatch1+1` = paste(info1_list[[1]], collapse = ":"),
    `mismatch 1+2` = paste(info1, setdiff(info2_list[[1]], info2), sep = ":"),
    mismatch1_2 = paste(info1, info2, sep = ":"),
    `mismatch2+1` = paste(info2, setdiff(info1_list[[1]], info1), sep = ":")
  ) %>%
  # 移除临时辅助列
  select(-info1_list, -info2_list) %>%
  ungroup()

代码说明 #

• group_by(ID)：确保所有操作仅在同一ID的行组内执行
• setdiff()：从组内字段集合中排除当前行的字段值，得到同组另一行的对应值
• 所有拼接逻辑均基于当前ID组内的字段，确保结果符合预期

内容的提问来源于stack exchange，提问作者simon brocard