基于不区分大小写的部分字符串匹配合并R数据框报错求助

你遇到的错误核心在于str_detect()要求输入的string和pattern向量长度必须一致，但你的df1有3条记录，df2有5条，两者长度不匹配，因此无法直接在merge()的by参数中使用该函数。下面提供两种可靠的解决方案：

方法一：用tidyverse原生工具实现交叉匹配后过滤 #

先通过交叉连接生成两个数据框的所有可能组合，再筛选出满足部分字符串匹配的行，最后整理成目标格式：

首先修正你初始代码中的小问题（比如as.DataFrame应为as.data.frame，编码需存为字符串避免前导零丢失）：

library(tidyverse)
library(stringr)

# 构建df1并修改列名避免后续冲突
label <- c("0.4% Lidocaine Hydrochloride", "10% Dextrose", "Act Raloxifene")
df1 <- as.data.frame(label) %>% rename(label_list = label)

# 构建df2并修改列名，编码用字符串保留前导零
label2 <- c("LIDOCAINE", "RALOXIFENE", "JANUMET", "ESOMEPRAZOLE", "METFORMIN")
code <- c("0003", "0005", "0006", "0001", "0011")
df2 <- data.frame(label2, code) %>% rename(label_dict = label2)

执行匹配与过滤：

merge_df <- df1 %>%
  cross_join(df2) %>% # 生成所有可能的药物组合
  filter(str_detect(label_list, regex(label_dict, ignore_case = TRUE))) %>% # 筛选匹配项
  select(label_list, code) # 保留需要的列

最终结果会自动匹配到符合条件的药物编码，未匹配到的条目会被过滤，若需要保留df1所有行（匹配不到的显示NA），可调整过滤逻辑为：

merge_df <- df1 %>%
  mutate(code = map_chr(label_list, ~{
    match_code <- df2$code[str_detect(.x, regex(df2$label_dict, ignore_case = TRUE))]
    ifelse(length(match_code) > 0, match_code, NA_character_)
  }))

方法二：用fuzzyjoin包简化模糊匹配合并 #

fuzzyjoin包专门针对非精确匹配的合并场景，代码更简洁直观：

先安装并加载包：

install.packages("fuzzyjoin")
library(fuzzyjoin)

使用regex_join实现不区分大小写的部分匹配：

merge_df <- regex_join(
  df1,
  df2,
  by = c("label_list" = "label_dict"), # 指定匹配的列
  regex = TRUE,
  ignore_case = TRUE,
  mode = "left" # 保留df1的所有行，匹配不到的显示NA
) %>%
  select(label_list, code)

补充说明 #

• 如果df2中存在多个匹配同一df1药物的条目，两种方法都会返回所有匹配结果，可根据需求用distinct()或group_by()去重。
• 药物编码必须用字符串类型存储，否则R会自动将0003这类带前导零的编码转换为数值3，丢失关键格式信息。

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