如何按无序分组变量合并不同维度的R DataFrame？

核心思路：
由于分组变量a和b的顺序不影响分组（比如a='a'&b='1'与a='1'&b='a'属于同一组），常规的按列名匹配合并无法生效。我们需要先为两个数据集生成不依赖变量顺序的统一分组标识，再基于这个标识完成合并，最后保留原df1的列结构。

方法1：Base R 实现 #

# 定义生成统一分组标识的函数
create_group_key <- function(x) paste(sort(x), collapse = "-")

# 为df1添加分组标识列
df1$group_key <- apply(df1[, c("a", "b")], 1, create_group_key)

# 处理df2：添加分组标识，仅保留需要的列（分组标识和变量d）
df2_processed <- transform(df2, group_key = apply(df2[, c("a", "b")], 1, create_group_key))[, c("group_key", "d")]

# 左连接并整理结果（去掉临时标识列，保留原df1的列顺序）
result <- merge(df1, df2_processed, by = "group_key", all.x = TRUE)
result <- result[, c("a", "b", "c", "d")]

# 查看最终结果
result

方法2：dplyr 实现（管道式更简洁） #

library(dplyr)

# 为df1生成分组标识
df1_with_key <- df1 %>%
  rowwise() %>%
  mutate(group_key = paste(sort(c(a, b)), collapse = "-")) %>%
  ungroup()

# 为df2生成分组标识，仅保留必要列
df2_with_key <- df2 %>%
  rowwise() %>%
  mutate(group_key = paste(sort(c(a, b)), collapse = "-")) %>%
  ungroup() %>%
  select(group_key, d)

# 左连接并移除临时标识列
result <- df1_with_key %>%
  left_join(df2_with_key, by = "group_key") %>%
  select(-group_key)

# 查看最终结果
result

运行上述任意一种方法后，得到的result将与你期望的desired数据集完全一致。

内容的提问来源于stack exchange，提问作者Aswiderski