R语言中是否存在支持自定义匹配规则的表连接函数或R包？

下面提供两种原生实现方案，无需引入fuzzyjoin等额外包，均支持自定义匹配规则。

方案1：基于dplyr/tidyr实现（可读性优先） #

适合小数据集，逻辑直观易修改：

library(tidyverse)

# 1. 生成所有匹配成功的交叉行
matched_rows <- x %>%
  rowwise() %>%
  reframe(
    id.x = id,
    my_col = my_col,
    y[str_detect(my_col, fixed(other_col)), ]
  ) %>%
  rename(id.y = id)

# 2. 提取x表未匹配的行
unmatched_x <- x %>%
  anti_join(matched_rows, by = c("id" = "id.x")) %>%
  transmute(id.x = id, my_col = my_col, id.y = NA_integer_, other_col = NA_character_)

# 3. 提取y表未匹配的行
unmatched_y <- y %>%
  anti_join(matched_rows, by = c("id" = "id.y", "other_col" = "other_col")) %>%
  transmute(id.x = NA_integer_, my_col = NA_character_, id.y = id, other_col = other_col)

# 4. 合并得到全连接结果
final_result <- bind_rows(matched_rows, unmatched_x, unmatched_y) %>%
  arrange(id.x, id.y)

方案2：基于data.table实现（性能优先） #

适合万行以上的大数据集，利用非等值连接特性避免逐行遍历，效率提升非常明显：

library(data.table)
library(stringr)

# 转换为data.table格式
setDT(x)
setDT(y)

# 1. 生成所有匹配成功的交叉行
matched_dt <- x[y, on = .(str_detect(my_col, fixed(other_col))), allow.cartesian = TRUE,
  .(id.x = x.id, my_col, id.y = i.id, other_col)
]

# 2. 合并未匹配的x、y行得到全连接结果
final_dt <- rbind(
  matched_dt,
  x[!id %in% matched_dt$id.x, .(id.x = id, my_col, id.y = NA_integer_, other_col = NA_character_)],
  y[!id %in% matched_dt$id.y, .(id.x = NA_integer_, my_col = NA_character_, id.y = id, other_col = other_col)]
)[order(id.x, id.y)]

匹配规则自定义方式 #

两种方案均可灵活替换匹配逻辑，只需把代码中的str_detect(my_col, fixed(other_col))条件替换为你自定义的匹配函数返回值即可，只要返回布尔值就能正常执行匹配。

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