如何基于多列复杂条件合并R语言中的两个dataframe？

首先明确原始数据集定义：

df1 = data.frame("String" = c("a", "b", "c"), 
                 "Title" = c("A", "B", "C"), 
                 "Date" = c("2020-01-01", "2020-01-02", "2020-01-03"))

df2 = data.frame("String" = c("a", "x", "y"), 
                 "Title" = c("ABCDEF", "XYZ", "YZ"), 
                 "Date" = c("2020-01-03", "2020-01-20", "2020-01-30"))

警告原因分析 #

你遇到的两个警告本质是因为未处理逐行配对的逻辑：

• longer object length is not a multiple of shorter object length：直接用向量级比较时，R会循环回收短向量，导致长度不匹配，且逻辑上不是在检查每一对df1/df2行的组合。
• argument 'pattern' has length > 1 and only the first element will be used：grepl()默认只接受单个匹配模式，传入向量时仅会使用第一个元素，无法实现逐行的子串匹配。

最优实现方式 #

方法1：使用tidyverse（dplyr）

通过交叉连接生成所有行组合，再过滤符合条件的记录，逻辑清晰且代码简洁：

library(dplyr)

df3 <- df1 %>%
  # 生成df1与df2的所有行组合，自动重命名重复列
  crossing(df2, .name_repair = ~c(names(df1), paste0(names(df2), "_df2"))) %>%
  # 过滤三个匹配条件
  filter(
    String == String_df2,
    grepl(Title, Title_df2),
    Date < Date_df2
  )

方法2：使用Base R

通过expand.grid生成交叉组合，再用mapply处理逐行的grepl匹配：

# 生成所有行组合并重命名重复列
cross_combinations <- expand.grid(df1, df2, stringsAsFactors = FALSE)
names(cross_combinations) <- c(names(df1), paste0(names(df2), "_df2"))

# 过滤符合条件的行
df3 <- cross_combinations[
  cross_combinations$String == cross_combinations$String_df2 &
  mapply(grepl, pattern = cross_combinations$Title, x = cross_combinations$Title_df2) &
  cross_combinations$Date < cross_combinations$Date_df2,
]

最终结果 #

两种方法得到的df3一致：

> df3
  String Title       Date String_df2 Title_df2   Date_df2
1      a     A 2020-01-01          a    ABCDEF 2020-01-03

内容的提问来源于stack exchange，提问作者user17661126