使用dplyr在R数据框中查找与指定列值匹配的其他列

嘿，这个需求用dplyr来实现其实挺简单的！我来给你一步步拆解怎么做：

1. 先重现你的示例数据 #

首先咱们先把你给出的示例数据框写出来，方便后续测试：

library(dplyr)

df <- data.frame(
  name = c("Andy", "Bob", "Andy", "Cha", "Andy", "Bob", "Dil"),
  num = c(1, NA, 0, NA, 1, NA, 0),
  place = c("Andy", "Bob", "Andy", "Cha", "Andy", "Bob", "Dil")
)

2. 核心解决方案：找出匹配列的列名 #

我们可以用dplyr的across()和summarize()组合，来检查每一列是否和name列的所有值完全匹配：

# 找出所有与name列值完全匹配的列名
matching_cols <- df %>%
  summarize(
    # 对每一列，检查所有元素是否和name列对应位置相等
    across(everything(), ~ all(.x == name, na.rm = FALSE))
  ) %>%
  # 筛选出结果为TRUE的列（也就是匹配的列）
  select(where(~ .x)) %>%
  # 提取这些列的名字
  names()

# 查看结果
matching_cols
# 输出: [1] "name"  "place"

代码解释： #

• across(everything(), ~ all(.x == name, na.rm = FALSE))：遍历数据框的每一列，用all()判断该列的所有元素是否和name列对应位置完全相等。na.rm = FALSE是关键——它会严格处理NA值：如果两列对应位置都是NA，会被视为相等；如果一个是NA另一个不是，则不匹配。
• select(where(~ .x))：只保留那些判断结果为TRUE的列（也就是和name完全匹配的列）。
• names()：把这些匹配列的列名提取出来，方便后续使用。

3. 扩展：直接获取匹配列组成的子数据框 #

如果你想要直接得到这些匹配列组成的子数据框，可以这样做：

df_matching <- df %>%
  select(all_of(matching_cols))

# 查看结果
df_matching
#   name place
# 1 Andy  Andy
# 2 Bob   Bob
# 3 Andy  Andy
# 4 Cha   Cha
# 5 Andy  Andy
# 6 Bob   Bob
# 7 Dil   Dil

补充说明 #

如果你的数据框里有不同数据类型的列（比如示例中的num是数值型，name是字符型），==比较时会自动识别类型不匹配，直接返回FALSE，所以不用担心不同类型的列被误判为匹配。

内容的提问来源于stack exchange，提问作者Avijit Mallick