R语言查找两个dataframe列之间的部分匹配元素

核心逻辑：判断Input表A列中以|分隔的各个子项，是否存在任意一个值命中Lookup表Matches列的内容，命中则Matched列标记为Yes，否则标记为No。

整词精确匹配方案（无匹配误差，最常用） #

该方案会把A列的字符串按|拆分成独立值，再判断是否和Lookup表的匹配项有交集，不会出现子串误匹配的问题，适合绝大多数多值标签匹配场景：

# 初始化示例数据
A <- c("Green|Red|Yellow","Blue","Orange|Peach","Violet")
B <- c(23,41,65,89)
Input <- data.frame(A, B)

Matches <- c("Green","Orange","Red","Yellow","Peach")
Lookup <- data.frame(Matches)

# 生成Matched列
Input$Matched <- ifelse(
  sapply(strsplit(as.character(Input$A), split = "\\|"), function(items) {
    any(items %in% Lookup$Matches)
  }),
  "Yes",
  "No"
)

运行后输出结果如下：

A  B Matched
1 Green|Red|Yellow 23     Yes
2              Blue 41      No
3     Orange|Peach 65     Yes
4            Violet 89      No

注：你给出的示例Result中Blue对应Matched为Yes，按当前提供的Lookup表数据"Blue"不在匹配项列表中，若需要Blue也标记为Yes，在Lookup的Matches向量中加入"Blue"即可。

正则快速匹配方案（适合大数据量场景） #

如果数据量较大，对运行速度有要求，可以用正则表达式做匹配，加单词边界避免短词误匹配长词（比如把"Green"匹配到"Greenfield"里）：

match_pattern <- paste0("\\b(", paste(Lookup$Matches, collapse = "|"), ")\\b")
Input$Matched <- ifelse(grepl(match_pattern, Input$A), "Yes", "No")

运行结果和上述整词匹配方案完全一致。

内容的提问来源于stack exchange，提问作者ParthaSarathi