R基于ifelse条件对一致和非一致数据执行left_join的实现方法

核心逻辑：两种连接规则均要求variable1_a与variable1_b相等，因此可以先按该公共字段完成左连接，再根据variable3的取值筛选符合variable2匹配规则的行，仅用dplyr即可实现，无需引入额外依赖。

完整实现代码 #

# 加载依赖
library(dplyr)

# 你已有df1、df2的话可跳过以下数据构造部分
df1 <- structure(list(variable1_a = c(2, 1, 1, 2, 1, 2), variable2_a = c(22, 
22, 23, 23, 25, 25), variable3 = c(0, 0, 1, 0, 1, 1)), row.names = c(NA, 
-6L), class = c("tbl_df", "tbl", "data.frame"))

df2 <- structure(list(variable1_b = c(2, 1, 1, 1, 2, 2), variable2_b = c(22, 
23, 25, 22, 23, 25), outcome = c(100, 120, 140, 80, 20, 400)), row.names = c(NA, 
-6L), class = c("tbl_df", "tbl", "data.frame"))

# 核心处理逻辑
df_final <- df1 %>%
  # 先按variable1的匹配规则左连接
  left_join(df2, by = c("variable1_a" = "variable1_b")) %>%
  # 根据variable3筛选variable2的匹配规则
  filter(
    (variable3 == 1 & variable2_a == variable2_b) |
    (variable3 == 0 & variable2_a != variable2_b)
  ) %>%
  # 删除不需要的variable2_b字段，与你给出的预期结果结构一致
  select(-variable2_b)

结果验证 #

运行上述代码得到的df_final和你提供的预期输出完全一致，共9行，各字段取值匹配。

大样本优化方案 #

如果你的数据量较大，先拆分数据再分别连接可以减少中间临时行的生成，性能更好：

# 按variable3拆分df1
df1_v3_1 <- filter(df1, variable3 == 1)
df1_v3_0 <- filter(df1, variable3 == 0)

# 分别按对应规则连接
res1 <- left_join(df1_v3_1, df2, by = c("variable1_a" = "variable1_b", "variable2_a" = "variable2_b"))
res0 <- left_join(df1_v3_0, df2, by = c("variable1_a" = "variable1_b")) %>%
  filter(variable2_a != variable2_b) %>%
  select(-variable2_b)

# 合并结果
df_final <- bind_rows(res1, res0)

注意事项 #

如果需要保留df1中在df2无对应variable1_b匹配的行，可以将第一种方案的filter条件调整为：

filter(
  is.na(outcome) |
  (variable3 == 1 & variable2_a == variable2_b) |
  (variable3 == 0 & variable2_a != variable2_b)
)

内容的提问来源于stack exchange，提问作者AnEostig