R语言如何不按行顺序比对两个数据集的每行重复值

你原来的全连接逻辑是可行的，可根据不同需求选择更简洁的实现方案：

场景1：需要输出带行索引的合并归属结果（和你预期输出结构一致） #

用dplyr的case_when替换多层嵌套ifelse，代码可读性更高，无需修改原有逻辑：

library(dplyr)

# 示例数据
a=c(1,1)
b=c(2,2)
c=c(3,3)
d=c(4,5)
df1<-rbind(a,b,c) %>% as.data.frame()
df2<-rbind(a,d,b) %>% as.data.frame()

# 核心实现
df1$idx1 <- 1:nrow(df1)
df2$idx2 <- 1:nrow(df2)

res <- full_join(df1, df2, by = c("V1","V2")) %>%
  mutate(need = case_when(
    !is.na(idx1) & !is.na(idx2) ~ "duplicated",
    !is.na(idx1) ~ "only_df1",
    TRUE ~ "only_df2"
  ))

输出结果和你给出的预期完全相同。

场景2：不需要保留行索引，仅拆分不同归属的行 #

直接用dplyr的集合操作函数，代码量更少：

# 两个数据集共有的行
common_rows <- semi_join(df1, df2, by = c("V1","V2"))
# 仅在df1中存在的行
only_df1 <- anti_join(df1, df2, by = c("V1","V2"))
# 仅在df2中存在的行
only_df2 <- anti_join(df2, df1, by = c("V1","V2"))

场景3：不想加载第三方包，用基础R实现 #

将每行拼接为唯一字符串后匹配即可：

# 把每行的所有列拼接为唯一标识
row_id1 <- do.call(paste, df1)
row_id2 <- do.call(paste, df2)

# 直接给原数据集打归属标
df1$need <- ifelse(row_id1 %in% row_id2, "duplicated", "only_df1")
df2$need <- ifelse(row_id2 %in% row_id1, "duplicated", "only_df2")

内容的提问来源于stack exchange，提问作者younghyun