R语言基于嵌套成员关系的多表条件连接实现方法咨询

解决方案 #

方案1：dplyr 直接匹配（保留原始嵌套结构，兼容性强） #

library(tidyverse)

# 核心处理逻辑
result <- df %>%
  rowwise() %>%
  # 匹配同镇名、且属于当前邮编列表的df2记录
  mutate(value = df2$value[df2$town == town & df2$zip %in% data$zip]) %>%
  ungroup() %>%
  filter(!is.na(value))

运行后输出与要求完全一致：

# A tibble: 3 × 4
  county town  data             value
   <dbl> <chr> <list>           <chr>
1      1 A     <tibble [3 × 1]> foo  
2      2 B     <tibble [4 × 1]> bar  
3      3 B     <tibble [1 × 1]> ski

方案2：data.table 高性能方案（适合十万行以上大数据量场景） #

利用邮编范围匹配实现超高速不等值连接，性能远高于逐行成员判断：

library(data.table)

setDT(df)
setDT(df2)

# 预计算每个县镇组合的邮编上下限
df[, `:=`(zip_min = map_dbl(data, ~min(.x$zip)),
          zip_max = map_dbl(data, ~max(.x$zip)))]

# 范围条件连接
result <- df[df2, on = .(town = town, zip_min <= zip, zip_max >= zip)] %>%
  .[, .(county, town, data, value)]

内容的提问来源于stack exchange，提问作者Scott