R语言实现双数据集匹配：为实验反应词添加对应维度评分列

实现方案 #

使用tidyverse系列工具可以高效完成需求，下面提供两种常用实现方案：

方案1：命名向量匹配（仅匹配单个measure维度时推荐） #

核心逻辑是提前构造「词汇-对应分值」的查找映射，批量遍历所有反应列完成匹配：

# 加载依赖包
library(tidyverse)

# 预处理查找映射，统一转为小写避免大小写不匹配问题
word_measure_map <- setNames(
  as.numeric(dataset_b$measure1),
  tolower(dataset_b$Word)
)

# 批量生成匹配列并调整列顺序
result <- dataset_a %>%
  mutate(
    across(
      .cols = matches("^response\\d+$"), # 匹配所有response+数字格式的列
      .fns = ~ word_measure_map[tolower(.x)], # 转小写后匹配分值，匹配失败自动返回NA
      .names = "measure1.r{str_extract(.col, '\\d+')}" # 生成对应列名，response1对应measure1.r1
    )
  ) %>%
  # 将新生成的measure列放到对应response列的后面
  relocate(
    starts_with("measure1.r"),
    .after = matches("^response\\d+$")
  )

方案2：长宽表转换匹配（需要同时匹配多个measure维度时推荐） #

如果需要同时匹配measure1、measure2、measure3等多个维度的评分，可以用长表连接的方式实现：

# 加载依赖包
library(tidyverse)

result <- dataset_a %>%
  rowid_to_column("temp_id") %>% # 临时行ID避免合并混乱
  # 转长格式，每个反应词单独占一行
  pivot_longer(
    cols = matches("^response\\d+$"),
    names_to = "resp_index",
    values_to = "Word"
  ) %>%
  mutate(Word = tolower(Word)) %>%
  # 和词典数据集左连接，匹配所有维度评分
  left_join(
    dataset_b %>% mutate(Word = tolower(Word)),
    by = "Word"
  ) %>%
  # 转宽格式生成对应评分列，以匹配measure1为例，需要其他维度可以自行加在values_from中
  pivot_wider(
    id_cols = temp_id,
    names_from = resp_index,
    values_from = measure1,
    names_glue = "measure1.r{str_extract(resp_index, '\\d+')}"
  ) %>%
  # 和原始数据集合并，调整列顺序
  left_join(dataset_a %>% rowid_to_column("temp_id"), by = "temp_id") %>%
  select(-temp_id) %>%
  relocate(starts_with("measure1.r"), .after = matches("^response\\d+$"))

注意事项 #

• 代码默认做了大小写不敏感匹配，如果要求严格区分大小写，去掉所有tolower()调用即可
• 如果你的response列命名规则不是response+数字，调整matches()中的正则表达式适配你的列名即可
• 示例数据中dataset_b的measure1为字符类型，代码中已转为数值类型，若你的原数据已经是数值可以去掉as.numeric()转换

内容的提问来源于stack exchange，提问作者user13343754