R语言：基于另一数据框行匹配筛选产品后求和val列

针对你这种大规模数据场景，绝对不要用循环——R的循环在处理海量数据时效率极低，我们可以用向量化的分组聚合+连接操作来搞定，下面给你两种常用的高效方案：

方案一：用dplyr（语法清晰易读） #

先通过dplyr对dat1做预处理，提前计算每个(name, adress)组合下符合product条件的val总和，再和dat2做左连接，就能快速得到结果：

library(dplyr)

# 定义你需要匹配的product向量
target_products <- c("prod1", "prod2")

# 第一步：预处理dat1，计算符合条件的分组求和结果
summary_dat <- dat1 %>%
  filter(product %in% target_products) %>%  # 筛选目标product
  group_by(name, adress) %>%               # 按name和adress分组
  summarise(total_val = sum(val), .groups = "drop")  # 每组求和

# 第二步：和dat2左连接，自动补全无匹配的NA
result <- dat2 %>%
  left_join(summary_dat, by = c("name", "adress")) %>%
  rename(val = total_val)  # 重命名列到你想要的名字

运行后得到的result完全符合你的预期：

name adress val
1   Tom   str2   2
2   Tom   str3   5
3 Peter   str1   4
4 Peter   str2  NA

方案二：用data.table（大数据场景下速度更快） #

如果你的数据量特别大（比如几十万甚至上百万行），data.table的性能会比dplyr更出色，写法也很简洁：

library(data.table)

# 转换为data.table格式（这一步是data.table高效操作的前提）
setDT(dat1)
setDT(dat2)

target_products <- c("prod1", "prod2")

# 直接在dat1中筛选+分组求和，然后和dat2做左连接赋值
dat2[dat1[product %in% target_products, .(val = sum(val)), by = .(name, adress)], 
     on = .(name, adress), 
     val := i.val]

# 此时dat2就是你要的结果
result <- dat2

为什么这两种方法比循环高效？ #

这两种方法都是向量化操作，R会把整个数据块作为整体处理，而不是像循环那样逐行遍历——后者在数据量变大时，会产生大量的内存开销和重复计算，速度会慢几个数量级。

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