R语言统计两个dataframe对应列行匹配的出现次数

问题根源 #

1. 你代码中使用any()仅会判断是否存在匹配，返回逻辑值，转成数值后只能得到1或0，自然无法统计匹配次数
2. 在apply的匿名函数内修改全局design$check属于错误用法，apply逐行迭代时的赋值逻辑完全不符合计数需求
3. 按x[1]、x[2]这种位置取列容错率极低，若design列顺序发生变化会直接导致匹配错误

解决方案 #

方案1：修改原有base R代码 #

直接将any()替换为sum()即可统计匹配行数，同时调整为按列名取值提升稳定性：

# 指定需要匹配的列名
match_cols <- c("undIssue", "feelConf", "setup", "undContex", "undChang")

design$check <- apply(design[match_cols], 1, function(x) {
  sum(
    x[["undIssue"]] == actconjoint$undIssue &
    x[["feelConf"]] == actconjoint$feelConf &
    x[["setup"]] == actconjoint$setup &
    x[["undContex"]] == actconjoint$undContex &
    x[["undChang"]] == actconjoint$undChang
  )
})

方案2：用dplyr实现（更适合大数据量，运行效率更高） #

先统计actconjoint中每个列组合的出现次数，再通过左连接赋值给design：

library(dplyr)

match_cols <- c("undIssue", "feelConf", "setup", "undContex", "undChang")

# 统计actconjoint各组合的出现次数
act_cnt <- actconjoint %>% 
  count(across(all_of(match_cols)), name = "check")

# 连接到design，无匹配的行默认填充0
design <- design %>% 
  left_join(act_cnt, by = match_cols) %>% 
  mutate(check = coalesce(check, 0))

内容的提问来源于stack exchange，提问作者Fabio Marcos Santos