R语言基于多条件匹配两个数据框并打分类标签的实现问题

现有数据集 #

# 数据集df1
cycle <- c(160, 160, 150, 158, 180) 
split1 <- c(2, 2,4, 6, 8) 
split2 <- c(10,10, 12, 14, 16) 
df1 <- data.frame(cycle, split1, split2)

# 数据集df2
cycle <- c(160,150,190,180,161,150,140,179)
split1 <- c(2,4,12,8,2,4,32,8)
split2 <- c(10, 12, 18, 16, 10, 12, 21, 16)
df2 <- data.frame(cycle, split1, split2)

匹配规则 #

需要为df2每一行添加Type标签，判断规则如下：

• 规则1：cycle、split1、split2三列取值和df1某行完全一致，标记为Same
• 规则2：split1、split2和df1某行完全一致，仅cycle取值差值为±1，也标记为Same
• 不满足以上两种情况标记为Different

预期输出 #

cycle split1 split2      Type
1   160      2     10      Same
2   150      4     12      Same
3   190     12     18 Different
4   180      8     16      Same
5   161      2     10      Same
6   150      4     12      Same
7   140     32     21 Different
8   179      8     16      Same

现有实现问题 #

原实现仅能匹配三列完全一致的场景，无法覆盖cycle值差±1的规则：

# 原有仅支持规则1的代码
df1<- df1 %>% mutate(key = paste0(cycle,split1, split2, "_"))
df2<- df2 %>% mutate(key = paste0(cycle,split1, split2, "_"))
df2 %>% mutate(Type = ifelse(df2$key %in% df1$key, 'same', 'different'))%>%
  select(-key)

高效实现方案 #

方案1：fuzzyjoin模糊匹配（大数据量推荐） #

依赖fuzzyjoin包实现高性能模糊匹配，避免逐行循环的性能损耗：

library(dplyr)
library(fuzzyjoin)

result <- df2 %>%
  # 和去重后的df1做模糊左连接
  fuzzy_left_join(
    df1 %>% distinct(cycle, split1, split2),
    by = c("split1" = "split1", "split2" = "split2", "cycle" = "cycle"),
    # 分别定义三个字段的匹配规则
    match_fun = list(
      `==`,
      `==`,
      function(x,y) abs(x - y) <= 1
    )
  ) %>%
  # 匹配到的就标记为Same
  mutate(Type = ifelse(!is.na(cycle.y), "Same", "Different")) %>%
  # 保留需要的字段
  select(cycle = cycle.x, split1 = split1.x, split2 = split2.x, Type)

方案2：无额外依赖实现（小数据量适用） #

不需要安装额外包，用rowwise逐行判断即可：

library(dplyr)

result <- df2 %>%
  rowwise() %>%
  mutate(
    # 检查当前行是否在df1中符合匹配规则
    match_flag = any(df1$split1 == split1 & df1$split2 == split2 & abs(df1$cycle - cycle) <= 1),
    Type = ifelse(match_flag, "Same", "Different")
  ) %>%
  select(-match_flag) %>%
  ungroup()

两种方案输出结果都和预期完全一致。

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