如何高效获取两个DataFrame中指定列匹配的df1行索引？

刚好碰到过类似需求！要找df1中多列和df2完全匹配的行索引，不用生成新数据框的话，有几个既优雅又适合多列场景的方案，给你参考：

首先先把你的测试数据列出来，方便验证：

df1 <- data.frame(cola = c("dum1", "dum2", "dum3"), 
                  colb = c("bum1", "bum2", "bum3"), 
                  colc = c("cum1", "cum2", "cum3"))
df2 <- data.frame(cola = c("dum1", "dum2", "dum4"), 
                  colb = c("bum1", "bum2", "bum3"))

方法1：用dplyr的semi_join（推荐，可读性拉满） #

semi_join本身就是用来保留左表中在右表有匹配的行，不会像inner_join那样合并多余列。我们只需要先给df1加上行号，做完半连接后提取行号即可：

library(dplyr)

match_indices <- df1 %>%
  mutate(row_idx = row_number()) %>%  # 给每行加一个行号标记
  semi_join(df2, by = c("cola", "colb")) %>%  # 只保留匹配的行
  pull(row_idx)  # 提取行号向量

match_indices
# 输出结果: [1] 1 2

如果涉及大量列，只需要在by参数里把所有要匹配的列名列出来就行，比如by = c("cola", "colb", "colc", "cold")，非常灵活。

方法2：Base R原生方案（无需额外包） #

如果不想加载dplyr，可以用merge结合行名匹配来实现：

# 合并两个数据框，只保留匹配的行
merged_rows <- merge(df1, df2, by = c("cola", "colb"))
# 通过行名找到这些行在原df1中的索引
match_indices <- match(rownames(merged_rows), rownames(df1))

match_indices
# 输出结果: [1] 1 2

注意：这个方法依赖df1的行名是默认的连续数字，如果你的df1行名被修改过，可能需要先给df1手动添加行号列再操作。

方法3：多列转唯一键匹配（轻量高效） #

把需要匹配的多列拼接成一个唯一的字符串键，再用%in%来筛选索引，适合追求极简代码的场景：

# 把目标列拼接成唯一字符串（用特殊分隔符避免冲突）
df1_key <- do.call(paste, c(df1[, c("cola", "colb")], sep = "###"))
df2_key <- do.call(paste, c(df2[, c("cola", "colb")], sep = "###"))

# 找到df1中键存在于df2的行索引
match_indices <- which(df1_key %in% df2_key)

match_indices
# 输出结果: [1] 1 2

这里用###作为分隔符，是为了避免列内容本身有空格导致的键冲突，你可以换成任何不常用的符号。

内容的提问来源于stack exchange，提问作者Cactus