R语言实现列内字符串无序匹配并提取匹配结果生成目标数据框

核心思路 #

• 先将每个逗号分隔的字符串拆分为无序的元素集合
• 生成列所有值的两两比对组合（笛卡尔积）
• 对每对组合计算元素交集，按规则返回匹配结果：
  • 两个集合元素完全一致（长度相等且交集长度等于集合长度）返回Complete Match
  • 交集为空返回NO Matching
  • 其余情况返回逗号拼接的交集元素

完整实现代码 #

# 输入数据
Col_1 = c("AB,CD,EF","AB,CD,EF,GH","MN,OP","AB,MN,OP","OP,MN,AB")
df_input = data.frame(Col_1, stringsAsFactors = FALSE)

# 自定义匹配函数
calc_match <- function(x, y) {
  # 拆分字符串为元素向量
  x_vec <- strsplit(x, ",")[[1]]
  y_vec <- strsplit(y, ",")[[1]]
  # 求交集
  common <- intersect(x_vec, y_vec)
  # 按规则返回结果
  if (length(common) == 0) {
    return("NO Matching")
  } else if (length(x_vec) == length(y_vec) && length(common) == length(x_vec)) {
    return("Complete Match")
  } else {
    return(paste(common, collapse = ","))
  }
}

# 生成所有两两比对组合
df_out <- expand.grid(Col_1 = df_input$Col_1, Col_2 = df_input$Col_1, stringsAsFactors = FALSE)
# 逐行计算匹配结果
df_out$match <- mapply(calc_match, df_out$Col_1, df_out$Col_2)

# 输出结果和示例预期完全一致
print(df_out)

说明 #

你之前用grepl无法实现是因为grepl是基于顺序的字符串模糊匹配，无法处理元素无序、提取交集的需求，必须先将字符串拆分为独立元素再做集合运算才能满足要求。

内容的提问来源于stack exchange，提问作者san1