如何在R中实现基于多列匹配的两个数据框合并？

嘿，你的思路方向是对的，但直接用merge(df1,df2 by(P.X == P.X.1 | P.X.2 | P.X.3 | P.X.4))这种写法是行不通的——不管是R还是Python里的merge函数，by参数只能指定要匹配的列名，没法直接写这种多列匹配的逻辑条件。

核心思路是先把df2中P.X.1到P.X.4这四列转换成长格式（也就是把多列合并成一列），这样就能和df1的P.X列进行常规的等值匹配了。下面给你两种常见语言的具体实现：

R语言实现 #

首先先构造符合你描述的数据框：

df1 <- data.frame(
  P.X = c("OOPA", "POKA", "JKIO", "KOPP"),
  value = c(5, 4, 3, 1)
)

df2 <- data.frame(
  P.X.1 = c("JKIO", "CX", "EDD", "KOPP"),
  P.X.2 = c("UIX", "OOPA", "POKA", "FOSI"),
  P.X.3 = c("HOP", NA, NA, NA),
  P.X.4 = c(NA, NA, NA, NA),
  mass = c(56, 44, 13, 11)
)

然后用tidyr和dplyr包处理并合并：

library(tidyr)
library(dplyr)

# 把df2的P.X.1-P.X.4转成单列，过滤掉空值
df2_long <- df2 %>%
  pivot_longer(cols = starts_with("P.X."), names_to = "col_name", values_to = "match_col") %>%
  filter(!is.na(match_col)) %>%
  select(match_col, mass) # 只保留需要的列

# 合并df1和转换后的df2，去掉无匹配的行
result <- df1 %>%
  left_join(df2_long, by = c("P.X" = "match_col")) %>%
  drop_na()

print(result)

输出结果：

P.X value mass
1 OOPA     5   44
2 POKA     4   13
3 JKIO     3   56
4 KOPP     1   11

Python语言实现 #

同样先构造数据框：

import pandas as pd

df1 = pd.DataFrame({
    'P.X': ['OOPA', 'POKA', 'JKIO', 'KOPP'],
    'value': [5, 4, 3, 1]
})

df2 = pd.DataFrame({
    'P.X.1': ['JKIO', 'CX', 'EDD', 'KOPP'],
    'P.X.2': ['UIX', 'OOPA', 'POKA', 'FOSI'],
    'P.X.3': ['HOP', None, None, None],
    'P.X.4': [None, None, None, None],
    'mass': [56, 44, 13, 11]
})

用pandas的melt方法转换格式后合并：

# 将df2的多列转成单列，过滤空值
df2_long = df2.melt(
    id_vars='mass',
    value_vars=['P.X.1', 'P.X.2', 'P.X.3', 'P.X.4'],
    var_name='col_name',
    value_name='match_col'
).dropna(subset=['match_col'])

# 合并两个数据框，只保留需要的列
result = pd.merge(df1, df2_long, left_on='P.X', right_on='match_col', how='inner')[['P.X', 'value', 'mass']]

print(result)

输出结果和R语言一致，完全符合你想要的结构。

内容的提问来源于stack exchange，提问作者user12237608