如何用R合并无共同列名的两个数据框并实现指定匹配

数据框定义 #

df1 #

col1 <- c("Snhg6", "Mt1")
col2 <- c("Lpar6", "Nufip2")
col3 <- c("Lasp1", "Pipox")
col4 <- c("Bcam", "Rhot2")
df1 <- data.frame(col1, col2, col3, col4)

对应结构：

#    col1   col2  col3  col4
# 1 Snhg6  Lpar6 Lasp1  Bcam
# 2   Mt1 Nufip2 Pipox Rhot2

df2 #

col10 <- c("Bcam", "Rhot2", "Lpar6" , "Snhg6")
df2 <- data.frame(col10)

对应结构：

#   col10
# 1  Bcam
# 2 Rhot2
# 3 Lpar6
# 4 Snhg6

需求说明 #

需要找出df1每一列中与df2的col10匹配的项，生成如下格式的output_df：

#  col1  col2 col3  col4
# Snhg6 Lpar6   NA  Bcam
#    NA    NA   NA Rhot2

用户尝试的无效方法 #

• 使用dplyr的full_join：

library(dplyr)
output_df <- df1 %>% full_join(df2)

• 使用tidyr的crossing：

library(tidyr)
output_df <- crossing(df1,df2)

解决方案 #

可以通过长格式转换→匹配筛选→宽格式转换的思路实现，具体代码如下：

library(dplyr)
library(tidyr)

# 提取df2中的匹配值列表
match_vals <- df2$col10

output_df <- df1 %>%
  # 给每行添加唯一标识，确保转宽后对应原始行位置
  mutate(row_id = row_number()) %>%
  # 将df1转为长格式，方便统一筛选
  pivot_longer(cols = -row_id, names_to = "col_name", values_to = "value") %>%
  # 只保留在df2中存在的数值
  filter(value %in% match_vals) %>%
  # 转回宽格式，缺失位置自动填充NA
  pivot_wider(names_from = col_name, values_from = value) %>%
  # 移除辅助的row_id列
  select(-row_id)

运行后得到的结果完全符合预期：

# # A tibble: 2 × 4
#   col1   col2   col3  col4 
#   <chr>  <chr>  <chr> <chr>
# 1 Snhg6  Lpar6  NA    Bcam 
# 2 NA     NA     NA    Rhot2

关键步骤解释 #

• mutate(row_id = row_number())：添加行号是为了记住每个匹配项来自df1的哪一行，避免转宽后位置混乱
• pivot_longer：把多列结构转成“列名-数值”的长格式，这样就能用统一的条件筛选所有列中的匹配项
• filter(value %in% match_vals)：精准筛选出在df2中存在的数值
• pivot_wider：将筛选后的长格式数据转回原始的多列结构，没有匹配项的单元格自动填充NA

内容的提问来源于stack exchange，提问作者Apex