如何基于商品集合包含关系合并两个R语言数据框？

数据准备 #

交易记录数据框df1 #

set.seed(99)

df1 <- tibble::tibble(
  ID = 1:10,
  Items = replicate(10, paste0('item-', sample(1:10, sample(3:5)[1]), collapse = ', '))
)

df1的输出：

A tibble: 10 × 2 #

ID Items                                 

1 1 item-6, item-5, item-3
2 2 item-6, item-4, item-9, item-7
3 3 item-6, item-4, item-5
4 4 item-1, item-7, item-2, item-9
5 5 item-5, item-8, item-7, item-2
6 6 item-10, item-1, item-6, item-4
7 7 item-6, item-7, item-9, item-4, item-5
8 8 item-6, item-9, item-1, item-3, item-5
9 9 item-6, item-8, item-7, item-3, item-9
10 10 item-4, item-7, item-5, item-9

优惠券条件查找表df2 #

df2 <- tibble::tibble(
  Items = c("item-4, item-6", "item-7, item-9"),
  Coupons = c("coupon-1", "coupon-2")
)

df2的输出：

A tibble: 2 × 2 #

Items Coupons

1 item-4, item-6 coupon-1
2 item-7, item-9 coupon-2

需求说明 #

• 规则：同时购买item-4和item-6可获得coupon-1；同时购买item-7和item-9可获得coupon-2
• 预期输出：每笔交易匹配所有满足的优惠券，满足多个条件的交易重复显示对应优惠券，不满足则显示NA

解决方案 #

常规的merge()或dplyr::left_join()无法直接实现需求，因为需要检查交易商品集合是否包含优惠券的所有必要商品，而非直接匹配字符串。可按以下步骤处理：

步骤1：预处理优惠券条件 #

拆分优惠券的商品条件为列表形式，方便后续集合检查：

library(dplyr)
library(tidyr)

df2_processed <- df2 %>%
  separate_rows(Items, sep = ", ") %>%
  group_by(Coupons) %>%
  summarise(required_items = list(Items))

步骤2：匹配交易与优惠券 #

逐行检查每笔交易是否满足优惠券条件，展开匹配结果：

result <- df1 %>%
  rowwise() %>%
  mutate(
    # 拆分当前交易的商品为列表
    transaction_items = list(str_split(Items, ", ")[[1]]),
    # 筛选所有满足条件的优惠券
    matched_coupons = list(
      df2_processed$Coupons[
        sapply(df2_processed$required_items, function(x) all(x %in% transaction_items))
      ]
    )
  ) %>%
  ungroup() %>%
  # 展开匹配结果，无匹配则保留NA
  unnest(matched_coupons, keep_empty = TRUE) %>%
  rename(Coupons = matched_coupons) %>%
  select(-transaction_items)

验证结果 #

运行后得到的结果与预期一致：

A tibble: 12 × 3 #

ID Items                                  Coupons 

1 1 item-6, item-5, item-3 NA
2 2 item-6, item-4, item-9, item-7 coupon-1
3 2 item-6, item-4, item-9, item-7 coupon-2
4 3 item-6, item-4, item-5 coupon-1
5 4 item-1, item-7, item-2, item-9 coupon-2
6 5 item-5, item-8, item-7, item-2 NA
7 6 item-10, item-1, item-6, item-4 coupon-1
8 7 item-6, item-7, item-9, item-4, item-5 coupon-1
9 7 item-6, item-7, item-9, item-4, item-5 coupon-2
10 8 item-6, item-9, item-1, item-3, item-5 NA
11 9 item-6, item-8, item-7, item-3, item-9 coupon-2
12 10 item-4, item-7, item-5, item-9 coupon-2

思路说明 #

1. 常规连接方法基于字符串匹配，无法处理集合包含的逻辑，因此需要先拆分商品条件
2. 用rowwise()逐行处理交易，通过集合包含检查筛选符合条件的优惠券
3. 最后用unnest()展开匹配结果，实现多条件交易的重复显示

内容的提问来源于stack exchange，提问作者user18894435