R语言筛选多份数据集 保留两列共有匹配值的解决方法

你之前的代码有两个核心问题：

1. 用rbind合并三个数据集时没有添加模型来源标识，合并后无法区分每条数据属于哪个模型，根本做不到跨模型比对
2. filter(length(pointInTime))仅判断分组下pointInTime列是否有值，既没有校验fixture是否在三个模型中同时存在，也没有校验不同模型下同一fixture的pointInTime集合是否完全一致，自然无法达到预期效果

核心思路是先给每个数据集打来源标签再合并，通过给每个fixture在对应模型下的pointInTime集合生成唯一签名做一致性校验，步骤如下：

1. 加载依赖包，给每个数据集添加来源列后合并

library(dplyr)

# 给每个模型数据集添加来源标识列
Model_A <- Model_A %>% mutate(model_source = "Model_A")
Model_B <- Model_B %>% mutate(model_source = "Model_B")
Model_C <- Model_C %>% mutate(model_source = "Model_C")

# 合并三个数据集，用bind_rows比rbind兼容性更好
df <- bind_rows(Model_A, Model_B, Model_C)

2. 校验符合要求的fixture

valid_fixture_df <- df %>%
  # 先按fixtureId、模型来源分组，生成时间点集合的唯一签名
  group_by(fixtureId, model_source) %>%
  # 对pointInTime去重排序后拼接为字符串，消除顺序差异，作为集合的唯一标识
  summarise(
    pit_set_sign = paste(sort(unique(pointInTime)), collapse = "|"),
    .groups = "drop"
  ) %>%
  # 再按fixtureId分组做双重校验
  group_by(fixtureId) %>%
  filter(
    n_distinct(model_source) == 3, # 校验1：该fixture在三个模型中都存在
    n_distinct(pit_set_sign) == 1  # 校验2：三个模型下该fixture的时间点集合完全一致
  ) %>%
  ungroup()

# 提取所有符合要求的fixtureId
valid_fixture_ids <- unique(valid_fixture_df$fixtureId)

3. 提取最终结果

# 若需要合并状态的有效数据集
df_final <- df %>% filter(fixtureId %in% valid_fixture_ids)

# 若需要拆分回三个独立的过滤后数据集，去掉来源列即可
Model_A_final <- df_final %>% filter(model_source == "Model_A") %>% select(-model_source)
Model_B_final <- df_final %>% filter(model_source == "Model_B") %>% select(-model_source)
Model_C_final <- df_final %>% filter(model_source == "Model_C") %>% select(-model_source)

• 生成时间点签名前必须对pointInTime做排序，因为集合本身不考虑顺序，避免同一集合因为记录顺序不同被误判为不一致
• 两个过滤条件缺一不可：少了模型数量校验会保留只在1-2个模型存在的fixture，少了签名校验会保留同一fixture在不同模型下时间点不一致的情况

内容的提问来源于stack exchange，提问作者T.Omalley