如何在R中使用dplyr::full_join实现数据框的部分匹配连接？

需求说明 #

需要将两个数据集按以下规则合并：mykey中的Item值需匹配mydata中Item条目的前缀部分，并用mykey的Avg值替换mydata的对应字段。

示例数据 #

library(tibble)

mydata <- tibble(Item = c("ab_kssv", "ab_kd", "cde_kh", "cde_ksa", "cde"), 
                 Answer = c(1,2,3,4,5), 
                 Avg = rep(-100, length(Item)))

mykey <- tibble(Item = c("ab", "cde"), 
                Avg = c(0 ,10))

期望结果 #

Item    Answer   Avg
1 ab_kssv      1     0
2 ab_kd        2     0
3 cde_kh       3    10
4 cde_ksa      4    10
5 cde          5    10

现有方案问题 #

你目前使用的for循环方案虽然能实现需求，但可读性差，且在数据集较大时效率较低：

for (currLine in 1:nrow(mydata)) {
mydata$Avg[currLine] <- mykey$Avg[str_starts(mydata$Item[currLine], mykey$Item)]
}

更优解决方案 #

dplyr的full_join（及其他join函数）的by参数仅支持精确列匹配，无法直接实现前缀模糊匹配，以下是两种更简洁可读的替代方案：

方案1：使用fuzzyjoin包实现模糊匹配合并

fuzzyjoin专门用于处理非精确匹配的合并场景，代码简洁且可读性强：

library(fuzzyjoin)
library(dplyr)
library(stringr)

mydata_joined <- mydata %>%
  fuzzy_left_join(mykey, 
                  by = "Item",
                  match_fun = str_starts) %>%
  # 用mykey的Avg替换原mydata的Avg
  mutate(Avg = coalesce(Avg.y, Avg.x)) %>%
  # 整理目标列
  select(Item = Item.x, Answer, Avg)

方案2：dplyr结合stringr的行级操作实现

如果不想额外加载包，可通过dplyr的行分组操作实现：

library(dplyr)
library(stringr)

mydata_updated <- mydata %>%
  rowwise() %>%
  # 逐行匹配前缀并替换Avg
  mutate(Avg = mykey$Avg[str_starts(Item, mykey$Item)]) %>%
  ungroup()

内容的提问来源于stack exchange，提问作者lilla