R语言按另一数据框列值子集化数据框并为每个子集命名

你当前写的subset()逻辑是向量级运算，df2的Lat列有多少行，判断条件就会循环比对多少个范围，最终返回的是匹配df2任意一行Lat±0.01范围的所有df1记录，根本不会按df2的单行条件拆分结果，自然没法绑定第三列的标识做子集命名。

因为你是百万行级df1、数千次匹配的场景，优先选性能更高的非等值连接方案，比逐行循环效率高几十倍：

• 方案1：data.table 高性能实现（推荐大数据量用）

library(data.table)
# 转data.table格式
setDT(df1)
setDT(df2)
# 提前算好每个匹配项的纬度上下限
df2[, c("lat_low", "lat_high") := .(Lat - 0.01, Lat + 0.01)]
# 非等值连接批量匹配，自动关联df2第三列作为标识
# 注意：如果df2第三列有固定列名，比如叫SiteID，直接把下面get()部分换成对应列名即可
match_result <- df1[
  df2,
  on = .(Latitude >= lat_low, Latitude <= lat_high),
  .SD,
  .SDcols = colnames(df1),
  match_id = get(colnames(df2)[3]),
  nomatch = NULL
]
# 按标识拆成独立子集，存在列表里
subset_list <- split(match_result, by = "match_id", keep.by = FALSE)
# 如果需要把每个子集单独存为全局变量，执行下面这行（大数据量不推荐，内存占用高）
list2env(subset_list, envir = .GlobalEnv)

提示：如果某条df1记录同时落在多个df2的Lat范围内，该记录会同时归入所有匹配到的标识对应的子集，符合范围匹配的常规逻辑；如果需要每条记录只保留一个匹配项，可以在连接时加mult = "first"参数。

• 方案2：基础R实现（仅适合小数据量测试，大数据量运行很慢）
  不依赖第三方包，逐行遍历df2做子集提取，直接用第三列值当子集名称：

# 提取df2第三列作为子集命名依据
id_col <- df2[[3]]
subset_list <- lapply(seq_len(nrow(df2)), function(i) {
  lat_min <- df2$Lat[i] - 0.01
  lat_max <- df2$Lat[i] + 0.01
  df1[df1$Latitude >= lat_min & df1$Latitude <= lat_max, ]
})
# 给子集命名
names(subset_list) <- id_col

注意：不建议把数千个子集直接扔到全局环境里，存在列表里按需读取是更稳妥的写法，能避免内存溢出、变量名冲突的问题。

内容的提问来源于stack exchange，提问作者Dylan Egan