如何基于部分属名匹配合并植物数据集？

核心思路 #

• 拆分df1中SPP列的多属候选，得到单独的属名
• 将拆分后的属名与df2中的属名匹配，关联功能型等信息
• 根据需求将匹配后的信息合并回原df1的结构

具体实现步骤（使用tidyverse包） #

1. 加载必要的包 #

tidyverse包含数据处理常用的dplyr、tidyr等工具，语法简洁适合新手：

library(tidyverse)

2. 替换为你的真实数据集（先看示例逻辑） #

先模拟两个数据集帮你理解代码：

# df1：包含多属候选的数据集
df1 <- tibble(
  ID = c(1, 2, 3),
  SPP = c("Poa OR Festuca", "Quercus", "Acer OR Betula OR Salix")
)

# df2：包含物种属名及功能信息的数据集
df2 <- tibble(
  Genus = c("Poa", "Festuca", "Quercus", "Acer", "Betula", "Salix"),
  Functional_Type = c("Grass", "Grass", "Tree", "Tree", "Tree", "Shrub"),
  Life_History = c("Perennial", "Perennial", "Perennial", "Perennial", "Perennial", "Perennial"),
  Origin = c("Native", "Introduced", "Native", "Native", "Introduced", "Native")
)

3. 拆分df1的多属候选列 #

用separate_rows()把SPP列中OR分隔的属名拆成单独行：

df1_split <- df1 %>%
  separate_rows(SPP, sep = " OR ") %>%  # 按" OR "拆分每行的属名
  rename(Genus = SPP)  # 重命名列名，方便和df2的Genus列匹配

4. 匹配并合并df2的信息 #

用left_join()按属名关联两个数据集，保留df1的所有行：

merged_temp <- df1_split %>%
  left_join(df2, by = "Genus")

5. 合并回原df1的结构（可选） #

如果要保持df1原有行数，把同一ID对应的多属信息汇总（比如用逗号分隔多个值）：

final_df <- merged_temp %>%
  group_by(ID) %>%
  summarize(
    Original_SPP = first(SPP),  # 保留原始的多属候选文本
    Functional_Types = str_c(unique(Functional_Type), collapse = ", "),  # 合并功能型
    Life_Histories = str_c(unique(Life_History), collapse = ", "),  # 合并生活史
    Origins = str_c(unique(Origin), collapse = ", ")  # 合并起源信息
  ) %>%
  ungroup()

注意事项 #

• 如果df1和df2的属名大小写不一致，先统一转换避免匹配失败：

  # 统一转换为小写
  df1_split <- df1_split %>% mutate(Genus = tolower(Genus))
  df2 <- df2 %>% mutate(Genus = tolower(Genus))
  

• 若不需要合并信息，直接用merged_temp即可，它会保留每个属对应的单独行。

内容的提问来源于stack exchange，提问作者salix7