如何在R中基于另一数据框的多变量过滤主数据框？

原始数据定义 #

主数据框：

df_root <- data.frame(
  id = c('1a','1a','2a','2a'),
  zone = c('II', 'I', 'I', 'II'),
  date = c(1,6,1,5)
)

备选数据框：

df_alternative <- data.frame(
  id = c('1a', '2a'),
  date = c(6,5)
)

解决方法 #

方法1：用dplyr的semi_join（推荐）

semi_join专门用来保留主数据框中与另一数据框匹配的行，不会添加额外列，完美适配这种多变量组合筛选的场景：

library(dplyr)

df_root_filtered <- df_root %>%
  semi_join(df_alternative, by = c("id", "date"))

方法2：用dplyr的inner_join

内连接会直接返回两个数据框中id和date同时匹配的行，结果和预期一致：

library(dplyr)

df_root_filtered <- inner_join(df_root, df_alternative, by = c("id", "date"))

方法3：Base R原生实现

如果不想加载第三方包，用merge函数做内连接即可：

df_root_filtered <- merge(df_root, df_alternative, by = c("id", "date"))

或者手动生成逻辑索引筛选：

# 逐行检查是否在备选数据框的id-date组合中
match_rows <- apply(df_root[, c("id", "date")], 1, function(x) {
  any(df_alternative$id == x[1] & df_alternative$date == x[2])
})

df_root_filtered <- df_root[match_rows, ]

最终结果 #

执行上述任意方法后，得到的df_root_filtered如下：

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