R语言基于首末数字匹配跨数据框修改列值及删除行问题

首先预设变量：第一个数据框为df1，第二个数据框为df2，两个数据框中存储4段数字分隔字符串的列名为str_col，可根据实际情况替换为你自己的列名。

tidyverse 实现方案（语法直观，适合新手） #

• 加载依赖包

library(tidyverse)

• 构造df1的匹配对照表

# 拆分出首尾数字作为匹配键，去重避免多匹配
df1_map <- df1 %>%
  separate(
    col = str_col,
    into = c("first", "n2", "n3", "last"),
    sep = "-",
    remove = FALSE
  ) %>%
  distinct(first, last, .keep_all = TRUE) %>%
  select(str_col, first, last)

• 处理df2完成需求

df2_output <- df2 %>%
  # 拆分df2的字符串取首尾匹配键
  separate(
    col = str_col,
    into = c("df2_first", "tmp1", "tmp2", "df2_last"),
    sep = "-",
    remove = FALSE
  ) %>%
  # 关联匹配表
  left_join(df1_map, by = c("df2_first" = "first", "df2_last" = "last")) %>%
  # 过滤无匹配的行
  filter(!is.na(str_col.y)) %>%
  # 替换为df1的对应值
  mutate(str_col = str_col.y) %>%
  # 保留df2原始的列结构
  select(all_of(colnames(df2)))

原生base R实现方案（无需额外安装包） #

# 生成df1的匹配向量，键为"首数字_尾数字"，值为对应的原字符串
df1_keys <- paste(
  sapply(strsplit(df1$str_col, "-"), function(x) x[1]),
  sapply(strsplit(df1$str_col, "-"), function(x) x[4]),
  sep = "_"
)
match_vec <- setNames(df1$str_col, df1_keys)

# 处理df2
df2_keys <- paste(
  sapply(strsplit(df2$str_col, "-"), function(x) x[1]),
  sapply(strsplit(df2$str_col, "-"), function(x) x[4]),
  sep = "_"
)
df2$str_col <- match_vec[df2_keys]
# 剔除无匹配的行
df2_output <- df2[!is.na(df2$str_col), ]

适配调整说明 #

• 如果字符串不是固定4段分隔，仅需要取首尾段匹配，将上述代码中取拆分后第4位的部分修改为x[length(x)]即可适配任意长度的分隔字符串
• 若df1中存在多组首尾数字相同的字符串，上述代码默认取首次出现的字符串作为替换值，如有其他优先级规则，可提前对df1按规则排序后再生成匹配表即可

内容的提问来源于stack exchange，提问作者Anna