在R语言中如何批量检查数据集列值是否存在于另一数据集列中

针对你的需求，这里提供两种实用的实现方法，适配刚接触R语言的场景：

方法一：用tidyverse工具包（代码更易读） #

如果你还没安装tidyverse，先执行安装命令：

install.packages("tidyverse")

然后运行以下代码：

library(tidyverse)

# 拆分data2的x2列，把|分隔的多个名称拆成单独行，提取所有唯一名称
data2_unique_names <- data2 %>%
  separate_rows(x2, sep = "\\|") %>%  # 按|拆分，注意转义符\\
  pull(x2) %>%  # 提取x2列作为向量
  unique()  # 去重，减少匹配次数

# 给data1添加匹配结果列：TRUE表示存在，FALSE表示不存在
data1 <- data1 %>%
  mutate(is_matched = x2 %in% data2_unique_names)

运行后，data1会新增一列is_matched，直接显示每行x2的名称是否在data2中出现过。

方法二：基础R实现（无需额外安装包） #

如果不想安装新包，用基础R也能完成：

# 拆分data2的x2列，合并成所有名称的向量
data2_all_names <- unlist(strsplit(data2$x2, "\\|"))
# 去重优化
data2_unique_names <- unique(data2_all_names)

# 批量检查data1的每个x2值
data1$is_matched <- sapply(data1$x2, function(name) name %in% data2_unique_names)

你原有代码的问题说明 #

1. 误写了列名：你用了data1$x1[1]，但实际要检查的是x2列
2. 只处理了第一行数据，没有批量遍历data1的所有行
3. str_extract在这里不适用，它是提取匹配的内容，而非拆分多值的列

用上面的两种方法，就能高效完成300行data1和5000行data2的批量匹配。

内容的提问来源于stack exchange，提问作者Mozart