已知分组内顺序时无公共列合并R数据帧的方法咨询

核心思路是利用原始noneng的分组顺序、文件内的行顺序一致性，通过添加临时顺序标识完成无公共列的匹配，具体步骤如下：

1. 给原始非英文数据添加匹配标识（若未执行导出操作） #

如果还没导出文件，先给noneng添加全局唯一ID和组内顺序，确保后续精准匹配：

library(dplyr)

# 给noneng添加全局唯一ID，保留原始顺序
noneng$match_id <- seq(nrow(noneng))

# 给每个语言组添加组内顺序
noneng <- noneng %>%
  group_by(lang_1) %>%
  mutate(group_order = seq(n())) %>%
  ungroup()

之后再执行你的导出代码，导出的.txt文件会包含match_id和group_order字段，方便后续匹配。

2. 导入翻译后的文件并匹配（若已导出无标识文件） #

2.1 批量导入未翻译的原始文件（还原导出顺序） #

# 获取所有未翻译文件路径
untrans_files <- list.files(path = "translate", pattern = "^untranslated_.*\\.txt", full.names = TRUE)

# 导入函数：提取语言代码，添加组内顺序
import_untrans <- function(file_path) {
  lang_code <- sub("^untranslated_(.*)\\.txt$", "\\1", basename(file_path))
  # 注意：read.table参数要和write.table一致，比如导出用了sep="\t"这里也要同步设置
  df <- read.table(file_path, header = TRUE, stringsAsFactors = FALSE)
  df$lang_1 <- lang_code
  df$group_order <- seq(nrow(df))
  return(df)
}

# 合并所有未翻译文件，还原导出时的顺序
all_untrans <- bind_rows(lapply(untrans_files, import_untrans))

2.2 导入翻译后的文件 #

# 获取所有翻译文件路径
trans_files <- list.files(path = "translate", pattern = "^translated_.*\\.txt", full.names = TRUE)

# 导入翻译文件，添加语言代码和组内顺序
import_trans <- function(file_path) {
  lang_code <- sub("^translated_(.*)\\.txt$", "\\1", basename(file_path))
  # 替换col.names为你的翻译文件实际列名
  df <- read.table(file_path, header = TRUE, stringsAsFactors = FALSE, col.names = c("text", "translated_text"))
  df$lang_1 <- lang_code
  df$group_order <- seq(nrow(df))
  return(df)
}

all_trans <- bind_rows(lapply(trans_files, import_trans))

2.3 匹配未翻译数据与翻译内容 #

# 按语言和组内顺序合并
matched_trans <- all_untrans %>%
  left_join(all_trans, by = c("lang_1", "group_order"))

3. 合并回原数据帧 #

matched_trans已包含原始文本和对应翻译内容，直接与原数据框合并：

# 合并回原数据
df_final <- df %>%
  left_join(matched_trans %>% select(text, translated_text), by = "text")

关键注意事项 #

• 确保翻译后的文件行数与对应未翻译文件行数完全一致，否则顺序会错位。
• 导出和导入时的分隔符、列名要统一，比如导出用sep="\t"，导入时必须同步设置。
• 若翻译后的文件列名不同，需在import_trans函数中用col.names参数指定正确列名。

内容的提问来源于stack exchange，提问作者beddotcom