如何在R中基于两列的共同值筛选两个数据框的子集

方法一：使用dplyr（tidyverse） #

首先创建可复现的测试数据：

# 创建测试数据框
df1 <- data.frame(
  V1 = c("X", "X", "Y", "Z", "Z"),
  V2 = c("Q", "E", "W", "Q", "Q"),
  V3 = c("D", "D", "Y", "V", "J"),
  V4 = c("O", "Z", "A", "Q", "E"),
  stringsAsFactors = FALSE
)

df2 <- data.frame(
  V1 = c("X", "B", "Y", "A", "Z"),
  V2 = c("Q", "E", "W", "Q", "Q"),
  V3 = c("M", "U", "C", "D", "D"),
  V4 = c("P", "U", "I", "V", "D"),
  stringsAsFactors = FALSE
)

接下来执行筛选：

library(dplyr)

# 提取两个数据框共有的(V1, V2)唯一组合
common_pairs <- inner_join(
  distinct(df1, V1, V2),
  distinct(df2, V1, V2),
  by = c("V1", "V2")
)

# 筛选df1子集（每个(V1,V2)组合保留一行）
df1_subset <- df1 %>%
  inner_join(common_pairs, by = c("V1", "V2")) %>%
  distinct(V1, V2, .keep_all = TRUE)

# 筛选df2子集（每个(V1,V2)组合保留一行）
df2_subset <- df2 %>%
  inner_join(common_pairs, by = c("V1", "V2")) %>%
  distinct(V1, V2, .keep_all = TRUE)

运行后得到的结果与期望完全一致：

• df1_subset：

  V1 V2 V3 V4
  1  X  Q  D  O
  2  Y  W  Y  A
  3  Z  Q  J  E
  

• df2_subset：

  V1 V2 V3 V4
  1  X  Q  M  P
  2  Y  W  C  I
  3  Z  Q  D  D
  

如果需要保留所有匹配的行（比如df1中两个(Z,Q)行都保留），只需去掉distinct()步骤：

# 保留所有匹配行的df1子集
df1_subset_all <- df1 %>%
  inner_join(common_pairs, by = c("V1", "V2"))

方法二：使用Base R #

如果不想依赖第三方包，可以用原生R实现：

# 将(V1,V2)组合转为字符串，方便比较
df1_pairs <- paste(df1$V1, df1$V2, sep = "-")
df2_pairs <- paste(df2$V1, df2$V2, sep = "-")

# 找出两个数据框共有的唯一组合
common_pairs_unique <- unique(df1_pairs[df1_pairs %in% df2_pairs])

# 筛选df1子集（每个组合保留第一行）
df1_subset_base <- df1[match(common_pairs_unique, df1_pairs), ]

# 筛选df2子集（每个组合保留第一行）
df2_subset_base <- df2[match(common_pairs_unique, df2_pairs), ]

若要保留所有匹配行，直接用逻辑索引筛选：

# 保留所有匹配行的df1子集
df1_subset_all_base <- df1[df1_pairs %in% common_pairs_unique, ]

内容的提问来源于stack exchange，提问作者Rara