如何用dplyr比较三个DataFrame，生成行存在性标识表

实现思路 #

通过为每个DataFrame添加专属存在标记，再进行全连接合并，最后将缺失的标记值替换为FALSE，即可得到以id/name/zip为唯一标识的行在各DataFrame中的存在情况。

具体代码 #

首先加载dplyr工具包：

library(dplyr)

处理原始DataFrame，提取核心标识列并添加对应存在标记：

# 提取每个DataFrame的标识列，添加存在标记
df1_flagged <- df1 %>% select(id, name, zip) %>% mutate(present_in_df1 = TRUE)
df2_flagged <- df2 %>% select(id, name, zip) %>% mutate(present_in_df2 = TRUE)
df3_flagged <- df3 %>% select(id, name, zip) %>% mutate(present_in_df3 = TRUE)

全连接三个标记后的表，将缺失的存在标记补为FALSE：

# 合并并整理最终结果
result <- df1_flagged %>%
  full_join(df2_flagged, by = c("id", "name", "zip")) %>%
  full_join(df3_flagged, by = c("id", "name", "zip")) %>%
  mutate(across(starts_with("present_in"), ~replace_na(.x, FALSE)))

结果验证 #

运行代码后，打印result即可得到预期表格：

print(result)

输出内容：

id    name   zip present_in_df1 present_in_df2 present_in_df3
1  1   Smith 12345           TRUE           TRUE           TRUE
2  2  Winter 23456           TRUE           TRUE           TRUE
3  3  Summer 34567           TRUE           TRUE          FALSE
4  5  Taylor 56789          FALSE           TRUE          FALSE
5  4  Miller 45678          FALSE          FALSE           TRUE

内容的提问来源于stack exchange，提问作者Revan