R语言如何高效合并键值包含在另一数据框字符串内的dataframe

核心思路 #

• 先对ben表的benefit_id字段做拆分，将空格分隔的多ID展开为一行对应单个福利ID的长表
• 用展开后的ben长表和emp表的salary ID字段做关联匹配，直接得到每位员工对应的所有适用福利
• 该方案时间复杂度为O(n)，大小数据集都能高效运行，代码可读性和可维护性都最优

推荐实现（tidyverse 方案，最简洁通用） #

library(tidyverse)

# 拆分ben表的空格分隔福利ID为长格式
ben_long <- ben %>%
  separate_rows(benefit_id, sep = "\\s+")

# 匹配合并，保留所有员工信息，无对应福利的员工benefit列显示NA
emp_benefit <- emp %>%
  left_join(ben_long, by = c("salary" = "benefit_id"))

# 若仅需要保留有对应福利的员工，将left_join替换为inner_join即可

基础R实现（无需加载第三方包） #

# 拆分benefit_id并生成长结构ben表
ben_long <- data.frame(
  benefit = rep(ben$benefit, lengths(strsplit(ben$benefit_id, "\\s+"))),
  benefit_id = unlist(strsplit(ben$benefit_id, "\\s+"))
)

# 合并匹配，all.x=TRUE对应保留所有员工记录
emp_benefit <- merge(emp, ben_long, by.x = "salary", by.y = "benefit_id", all.x = TRUE)

两种方案输出的结果完全一致，tidyverse方案写法更简洁、后续调整逻辑的成本更低，是绝大多数场景下的最优选择。

内容的提问来源于stack exchange，提问作者Christian