R语言为数据框新增跨表关联拼接信息列的实现方法

注意事项：两个数据表的eleno字段类型必须统一，否则会出现匹配失效，提前通过as.numeric()/as.character()做类型对齐

方案1：dplyr 实现（适配 tidyverse 工作流） #

适合日常分析场景，写法直观、调试成本低：

library(dplyr)

# 按起始点位聚合距离字符串
dist_agg <- dist_df %>% 
  # 对齐字段类型，和基础表eleno保持一致
  mutate(eleno = as.numeric(eleno)) %>% 
  group_by(eleno) %>% 
  # 按要求格式拼接对应距离信息
  summarise(
    dist = paste0("-", ele2, ":", round(values, 2), collapse = ", ")
  ) %>% 
  ungroup()

# 和基础点位信息表左连接，无匹配的行自动补NA
base_df <- base_df %>% 
  left_join(dist_agg, by = "eleno")

方案2：base R 原生实现（无需加载额外包） #

适合不能安装第三方包的环境：

# 对齐字段类型
dist_df$eleno <- as.numeric(dist_df$eleno)

# 按起始点位分组拼接字符串
dist_list <- by(dist_df, dist_df$eleno, function(sub_data){
  paste0("-", sub_data$ele2, ":", sub_data$values, collapse = ", ")
})
# 转成结构化的匹配表
dist_agg <- data.frame(
  eleno = as.numeric(names(dist_list)),
  dist = as.vector(dist_list)
)

# 匹配结果写入基础表
base_df$dist <- dist_agg$dist[match(base_df$eleno, dist_agg$eleno)]

方案3：data.table 实现（适配大数据量场景） #

适合百万行以上的大表处理，运行效率更高：

library(data.table)

# 转换为data.table格式
setDT(base_df)
setDT(dist_df)
dist_df[, eleno := as.numeric(eleno)]

# 一步完成聚合、匹配操作
base_df[
  , dist := dist_df[.SD, on = "eleno", 
                    by = .EACHI, 
                    .(paste0("-", ele2, ":", values, collapse = ", "))]$V1
]

常见适配调整

• 如果需要把无匹配的NA值替换为空字符串，可在连接完成后执行base_df$dist[is.na(base_df$dist)] <- ""
• 如果需要控制距离值的小数位数，可在拼接前对values字段做round(values, 2)处理
• 如果需要按目标点位编号排序拼接内容，可在聚合前对距离表按ele2字段排序，保证拼接顺序统一

内容的提问来源于stack exchange，提问作者Nancy