如何基于另一DataFrame的列在目标DataFrame中生成指定规则的新列？

需求说明 #

df1包含x、y、z三列，取值为0、1或NA；df2有a和b两列，其中b的取值包含df1的列名（还包含不存在的w）。需要根据df2中a与b的对应关系，在df1中创建以a的取值命名的新列：

• 当对应a分组下任意存在于df1的b列在df1中的值为1时，新列值为1
• 若对应a分组下的b列都不存在于df1（比如w），则新列值为0
• 计算时忽略NA值

示例数据 #

x <- c(1, 1, NA, NA, 0)
y <- c(0, 1, 1, NA, NA)
z <- c(1, 1, 0, 1, 1)

df1 <- data.frame(x, y, z)

a <- c( "Green", "Green", "Green",  "Red", "Red",   "Blue", "Blue", "Yellow")
b <- c(  "w",       "x",    "y",     "x",    "z",     "w" ,   "y",    "z"   )

df2 <- data.frame(a, b)

期望输出 #

new_df1

   x  y z Green Red Blue Yellow
1  1  0 1     1   1    0      1
2  1  1 1     1   1    1      1
3 NA  1 0     1   0    1      0
4 NA NA 1     0   1    0      1
5  0 NA 1     0   1    0      1

解决方案 #

方法1：tidyverse工具链实现 #

通过转置数据格式、匹配映射关系、分组聚合的方式完成：

library(tidyverse)

# 清理df2：仅保留df1中存在的列映射
df2_clean <- df2 %>%
  filter(b %in% colnames(df1))

# 生成新列：df1转长格式后匹配映射，按行和a分组判断是否有1
new_cols <- df1 %>%
  mutate(row_id = row_number()) %>%
  pivot_longer(-row_id, names_to = "b", values_to = "val") %>%
  inner_join(df2_clean, by = "b") %>%
  group_by(row_id, a) %>%
  summarise(val = as.integer(any(val == 1, na.rm = TRUE)), .groups = "drop") %>%
  pivot_wider(names_from = "a", values_from = "val", values_fill = 0)

# 合并新列到原df1
new_df1 <- df1 %>%
  bind_cols(new_cols %>% select(-row_id))

print(new_df1)

方法2：base R原生实现 #

无需加载外部包，通过循环和逐行判断完成：

# 获取df2中a的唯一取值
a_unique <- unique(df2$a)

# 初始化存储新列的列表
new_cols_list <- list()

for (a_val in a_unique) {
  # 获取当前a对应的b列，过滤掉df1中不存在的列
  b_cols <- df2$b[df2$a == a_val]
  b_cols <- b_cols[b_cols %in% colnames(df1)]
  
  if (length(b_cols) == 0) {
    # 无有效b列时，新列全为0
    new_cols_list[[a_val]] <- rep(0, nrow(df1))
  } else {
    # 逐行判断：是否有任意b列值为1（忽略NA）
    new_col <- apply(df1[, b_cols], 1, function(row) {
      as.integer(any(row == 1, na.rm = TRUE))
    })
    new_cols_list[[a_val]] <- new_col
  }
}

# 合并新列到原df1
new_df1 <- cbind(df1, do.call(cbind, new_cols_list))

print(new_df1)

内容的提问来源于stack exchange，提问作者Jaume