如何用R语言dplyr包验证生产数据框组合是否匹配参考数据框？

核心思路 #

先拆分df2中逗号分隔的变量，按日期生成所有合法二元组合，再与df1的组合匹配取值，同时单独处理单变量场景。

分步实现 #

1. 拆分变量列
   用separate_rows()把每个日期下的逗号分隔变量拆成多行，为后续生成组合做准备。

2. 生成组合并处理单变量

   • 按日期分组后，若组内只有1个变量，直接返回该变量，对应val设为0；
   • 若组内有多个变量，用combn()生成所有二元组合，对组合内变量排序后拼接，确保和df1的组合格式统一（避免因顺序差异导致匹配失败）。

3. 匹配参考数据取值
   将生成的组合与df1拼接后的组合列匹配，过滤掉df1中不存在的组合，对匹配到的组合保留对应val，未匹配的（含单变量）设为0。

完整代码 #

library(tidyverse)

# 构建示例数据
first = c("A","A","A","B","B","C","H")
second = c("B","C","D","C","D","D","I")
val = c(10,20,30,40,50,60,70)
df1 = tibble(first,second,val)

date = c(as.Date("2022-01-01"),as.Date("2022-02-01"))
var = c("A","B,C,F,E,G,H,I")
df2  = tibble(date,var)

# 实现逻辑
result <- df2 %>%
  # 拆分逗号分隔变量为独立行
  separate_rows(var, sep = ",") %>%
  group_by(date) %>%
  summarise(
    comb = if(n() == 1) {
      var
    } else {
      # 生成二元组合并排序拼接，对齐df1格式
      combn(var, 2, function(x) str_c(sort(x), collapse = ","))
    },
    .groups = "drop"
  ) %>%
  # 与df1匹配：先把df1的first和second拼接成comb列
  left_join(
    df1 %>% mutate(comb = str_c(first, second, sep = ",")),
    by = "comb"
  ) %>%
  # 赋值val：匹配到的用原值，未匹配的（含单变量）设为0
  mutate(val = ifelse(is.na(val), 0, val)) %>%
  # 保留目标列，过滤掉df2生成但df1不存在的二元组合
  select(date, comb, val) %>%
  filter(!(str_detect(comb, ",") & val == 0))

print(result)

内容的提问来源于stack exchange，提问作者Homer Jay Simpson