R语言按条件筛选双数据框行并新增匹配列值

你的需求本质是以Gene_Identifier为关联键做内连接：仅保留df1中键值能在df2中匹配到的行，同时自动把df2中对应的Reg列值追加到结果中，不需要手动写逐行匹配逻辑。

dplyr实现（推荐，代码简洁） #

加载dplyr包后直接调用inner_join即可，自动处理键匹配和列追加，不会出现长度不匹配问题，且支持Gene_Identifier列两侧存在其他任意列的场景：

library(dplyr)
result <- inner_join(df1, df2, by = "Gene_Identifier")

用你提供的示例数据运行后，得到的结果完全符合预期：

基础R实现（无需额外装包） #

如果不想依赖第三方包，用基础R自带的merge函数也能实现完全一致的效果：

result <- merge(df1, df2, by = "Gene_Identifier")

适配说明：你提到df2中每个Gene_Identifier仅出现1次，因此上述两种方法都不会产生额外的重复行，完全适配你的数据规模（78000行和1000行的表连接运行速度极快，不会有性能问题）。

你之前尝试的几段代码存在的问题如下：

• subset(df1, (Gene_Identifier == df2$Gene_Identifier)) 是触发longer object length is not a multiple of shorter object length报错的直接原因：==是按位置逐元素对比的运算符，要求两边对比的向量长度一致或成整数倍关系，df1和df2行数差异极大不满足要求，就会抛出该错误。而且就算长度满足要求，这种写法也是按行位置匹配，不是按基因名字符串匹配，逻辑本身不符合需求。
• anti_join(df1, df2, by = "Gene_Identifier") 功能和需求完全相反：anti_join的作用是保留df1中匹配不到df2键的行，和你要保留匹配行的需求正好反过来。
• df1[(df1_promoter$Gene_Identifier %in% df2q$Gene_Identifier),] 首先存在对象名错误（你的环境中不存在df1_promoter、df2q这两个对象），其次就算修正对象名，这段代码也只能完成行筛选，无法自动匹配填充df2对应的Reg列值，没有实现全部需求。
• 带group_by(Gene_Identifier)的filter代码逻辑完全错误：!any(df2$Gene_Identifier)的判断和分组键没有任何关联，无法得到正确的匹配结果。
• filter(df1, df1$Gene_Identifier %in% df2$Gene_Identifier) 这段代码本身不会触发长度报错，但同样只能完成行筛选，无法自动追加Reg列，没有实现全部需求。

内容的提问来源于stack exchange，提问作者ispeakcat