统计R语言数据框df1每行在df2中出现次数（NA视为通配符）

• df1构造代码：

P1 <- c('A', 'A', 'B', NA)
P2 <- c('B', NA, 'B', 'B')
P3 <- c('A', 'B', 'B', 'A')
P4 <- c('A', 'B', NA, 'B')
P5 <- c(NA, NA, NA, 'B')

df1 <- data.frame(P1, P2, P3, P4, P5, row.names = NULL)

• df2构造代码：

P1 <- c('A', 'A', 'B', 'B', 'A', 'B', 'B', 'A')
P2 <- c('B', 'B', 'B', 'B', 'B', 'B', 'A', 'B')
P3 <- c('A', 'B', 'B', 'A', 'A', 'B', 'B', 'A')
P4 <- c('A', 'B', 'B', 'B', 'A', 'B', 'A', 'B')
P5 <- c('B', 'B','B', 'B', 'B', 'B', 'A', 'B')

df2 <- data.frame(P1, P2, P3, P4, P5, row.names = NULL)

统计df1中每一行在df2中的出现次数，匹配规则为：若df1中某字段值为NA，则该字段在df2中取值为A或B均视为匹配成功。例如df1的第4行可匹配df2的第4、8两行，对应计数为2。

基础R版本实现，小数据量场景可直接使用：

# 逐行匹配计数
match_count <- apply(df1, 1, function(row_x) {
  sum(apply(df2, 1, function(row_y) {
    all(is.na(row_x) | row_x == row_y)
  }))
})

# 把计数结果合并到df1中查看
df1$match_count <- match_count

如果是大数据量场景，可以用向量化运算替代嵌套apply提升性能，示例如下：

library(dplyr)
match_count <- sapply(1:nrow(df1), function(i) {
  cond <- df2 %>% 
    filter(
      is.na(df1$P1[i]) | P1 == df1$P1[i],
      is.na(df1$P2[i]) | P2 == df1$P2[i],
      is.na(df1$P3[i]) | P3 == df1$P3[i],
      is.na(df1$P4[i]) | P4 == df1$P4[i],
      is.na(df1$P5[i]) | P5 == df1$P5[i]
    ) %>% 
    nrow()
  return(cond)
})
df1$match_count <- match_count

最终df1的计数结果如下：

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