R语言：匹配两个数据框的字符串列并生成匹配标记列

问题说明 #

给定两个DataFrame：

• df1包含Object和Thing列
• df2包含Object1和Thing1列

需要检查df1中每一行的Object+Thing组合是否存在于df2的Object1+Thing1组合中，匹配则新增Value列赋值为1，不匹配则赋值为0。实际场景中列名可能不对应，需灵活处理。

示例数据构造 #

import pandas as pd

# 构造df1
df1 = pd.DataFrame({
    "Object": ["apple tini", "vodka cran", "tom collins", "arnie palmer"],
    "Thing": ["drink", "beverage", "alcohol", "cocktail"]
})

# 构造df2
df2 = pd.DataFrame({
    "Object1": ["apple tini", "vodka cran", "tom collins", "arnie palmer"],
    "Thing1": ["drink", "bever", "alc", "cocktail"]
})

解决方案 #

方法一：使用Merge左连接标记 #

适合可以通过重命名对齐列名的场景：

# 重命名df2的匹配列，与df1对应列名一致
df2_aligned = df2.rename(columns={"Object1": "Object", "Thing1": "Thing"})
# 左连接，仅保留匹配标记列
df1 = df1.merge(df2_aligned[["Object", "Thing"]], on=["Object", "Thing"], how="left", indicator=True)
# 生成Value列：匹配为1，不匹配为0
df1["Value"] = df1["_merge"].map({"both": 1, "left_only": 0})
# 删除临时标记列
df1.drop("_merge", axis=1, inplace=True)

方法二：使用元组集合匹配（更灵活） #

无需修改列名，直接指定对应匹配列即可，适配任意列名场景：

# 提取df2的目标列组合，转为元组集合（查询效率高）
df2_combos = set(zip(df2["Object1"], df2["Thing1"]))
# 逐行检查df1的组合是否在集合中，转为整数类型
df1["Value"] = df1.apply(lambda row: (row["Object"], row["Thing"]) in df2_combos, axis=1).astype(int)

预期结果 #

内容的提问来源于stack exchange，提问作者Jacob