R语言：满足多条件时将DataFrame列值复制到另一DataFrame

首先，你的原始数据定义如下：

DF1 <- data.frame(VAR1 = c(1,1,1,1,2,2,2,2,3,3,3,3),
                  VAR2 = c('John','Bob','Hannah'), VAR3 = c(1,1,1,2),
                  VAR4=NA)

DF2 <- data.frame(VAR1 = c(1,1,1,1,2,2,2,2,3,3,3,3), 
                  VAR2 = c('John','Bob','Hannah','Dave'),
                  VAR4 = c('A','B','C'))

错误原因 #

你执行merge(DF1, DF2[,'VAR4'], by= c('VAR1','VAR2'))时报错，核心原因是：
DF2[,'VAR4']只提取了DF2的VAR4列，生成的子数据框中没有VAR1和VAR2这两个用于匹配的列，而merge的by参数要求这两列在两个数据框中都存在，因此触发了'by' must specify a uniquely valid column错误。

高效解决方案 #

因为你需要保留DF1的所有记录，仅填充匹配VAR1+VAR2组合的VAR4值，推荐以下几种高效方法（远快于嵌套循环）：

方法1：Base R 左连接（merge） #

保留DF2中用于匹配的VAR1、VAR2和目标列VAR4，再与DF1做左连接（all.x=TRUE确保保留DF1所有行）：

# 提取DF2中需要的列，避免多余列被引入
DF2_sub <- DF2[, c("VAR1", "VAR2", "VAR4")]
DF3 <- merge(DF1, DF2_sub, by = c("VAR1", "VAR2"), all.x = TRUE)

方法2：dplyr 左连接（更直观） #

如果习惯tidyverse语法，用dplyr::left_join可以更清晰地实现需求：

library(dplyr)

DF3 <- DF1 %>%
  left_join(DF2 %>% select(VAR1, VAR2, VAR4),  # 仅保留需要的列
            by = c("VAR1", "VAR2"))

方法3：Base R match 向量操作（最快） #

利用向量匹配直接填充DF1的VAR4列，无需生成新数据框：

# 将VAR1和VAR2组合成唯一标识字符串，用于匹配
key_df1 <- paste(DF1$VAR1, DF1$VAR2, sep = "-")
key_df2 <- paste(DF2$VAR1, DF2$VAR2, sep = "-")

# 找到DF1每个组合在DF2中的位置，提取对应VAR4值
DF1$VAR4 <- DF2$VAR4[match(key_df1, key_df2)]

为什么嵌套循环速度慢 #

R是向量型编程语言，内置函数（如merge、match）都是基于底层C实现的向量操作，效率远高于逐行遍历的嵌套循环。当数据量较大时，循环会产生大量重复的条件判断，导致运行时间急剧增加。

内容的提问来源于stack exchange，提问作者Alberto