R语言 基于列值部分匹配从另一数据框插入新列的实现方法

以下两种方案都无需在每次新增分类映射时修改匹配逻辑，仅需直接在df2中新增关键词和对应分类的行即可，完全符合你的需求：

方法1：使用fuzzyjoin包实现正则左连接（推荐） #

逻辑清晰，适配性强，支持自定义匹配规则：

# 首次使用先安装包
# install.packages("fuzzyjoin")
library(fuzzyjoin)
library(dplyr)

df3 <- df1 %>%
  # 以df1的description包含df2的description作为匹配条件
  regex_left_join(df2, by = c("description" = "description"), ignore_case = TRUE) %>%
  # 整理字段得到目标结构
  select(date, description = description.x, amount, category)

如果存在单个描述同时匹配多个关键词的场景，可给df2增加优先级列自定义匹配优先级，避免冲突：

# 新增优先级列的df2示例，数值越小优先级越高
df2 <- tibble::tribble(
  ~description, ~category, ~priority,
  "insurance", "INS", 2,
  "grocery",   "GRY", 2,
  "insurance-abc", "INS_SPECIAL", 1
)

# 带优先级处理的匹配代码
df3 <- df1 %>%
  regex_left_join(df2, by = c("description" = "description"), ignore_case = TRUE) %>%
  arrange(priority) %>%
  distinct(date, description.x, amount, .keep_all = TRUE) %>%
  select(date, description = description.x, amount, category)

方法2：无额外依赖的原生实现 #

不想安装第三方包可以用这个方案，匹配优先级和df2的行顺序一致：

library(dplyr)

df3 <- df1 %>%
  mutate(
    category = sapply(description, function(x){
      match_idx <- sapply(df2$description, function(y) grepl(y, x, ignore.case = TRUE))
      ifelse(any(match_idx), df2$category[which.max(match_idx)], NA_character_)
    })
  )

内容的提问来源于stack exchange，提问作者Madwolf