R语言匹配两个tibble双字符列并提取mixed匹配行的方法

方案1：base R 实现（无需额外加载包） #

直接通过interaction()函数将两列组合为唯一交互因子，再用%in%判断是否存在于invasives的组合中，直接得到逻辑索引：

# 生成逻辑索引：两列组合同时匹配才返回TRUE
index <- interaction(mixed$genus, mixed$epithet) %in% interaction(invasives$genus, invasives$epithet)
# 提取匹配行
columns_matched <- mixed[index,]

方案2：dplyr 实现（适合 tidyverse 技术栈用户） #

如果习惯用tidyverse语法，可通过以下两种方式获取索引：

方法A：拼接唯一标识判断 #

library(dplyr)
# 用特殊分隔符拼接两列避免歧义，判断是否匹配
index <- paste0(mixed$genus, "___", mixed$epithet) %in% paste0(invasives$genus, "___", invasives$epithet)
columns_matched <- mixed[index,]

方法B：半连接取行号生成索引 #

如果需要明确的行号索引，可先给mixed加行号再匹配：

library(dplyr)
# 给mixed添加原始行号
mixed_with_id <- mixed %>% mutate(row_id = row_number())
# 匹配后提取符合条件的行号
matched_rows <- semi_join(mixed_with_id, invasives, by = c("genus", "epithet")) %>% pull(row_id)
# 生成逻辑索引
index <- 1:nrow(mixed) %in% matched_rows
columns_matched <- mixed[index,]

结果验证 #

以上所有方法生成的index都是c(TRUE, TRUE, FALSE, FALSE, FALSE, TRUE, TRUE)，提取后得到的columns_matched完全符合预期结果，且不会出现仅匹配epithet列的错误匹配问题。

内容的提问来源于stack exchange，提问作者Tyler