R语言：基于多数据集ID筛选主数据框并拆分至多个文件

嘿，这个需求在数据处理里太常见啦！不管你用Python还是R，都有很简洁的实现方式，我给你详细讲讲：

假设你用的是Python的pandas（最常用的数据分析库），这里有两种高效的方法：

方法1：内连接合并（merge） #

利用pd.merge()的内连接特性，直接匹配两个数据框的id列，自动只保留两边都存在的行，同时完整保留G的所有列：

import pandas as pd

# 示例主数据框G
G = pd.DataFrame({
    'id': [1, 2, 3, 4, 5],
    'col1': ['a', 'b', 'c', 'd', 'e'],
    'col2': [10, 20, 30, 40, 50]
})
# 示例仅含id的S[1]
S1 = pd.DataFrame({'id': [2, 4]})

# 生成H[1]
H1 = pd.merge(G, S1, on='id', how='inner')

执行后H1就只包含id为2和4的行，且保留了col1、col2所有列。

方法2：isin筛选 #

先提取S[i]中的id列表，再直接筛选G中id在该列表内的行，逻辑更直观：

# 提取S1的id列表
target_ids = S1['id'].tolist()
# 筛选生成H1
H1 = G[G['id'].isin(target_ids)]

这个方法和merge的结果完全一致，适合喜欢直接筛选逻辑的场景。

如果有一堆S文件（比如S1.csv、S2.csv...Sn.csv），不用手动一个个处理，写个循环就能批量生成对应的H文件：

import os

# 假设所有S文件都放在's_id_files'文件夹下
s_folder_path = 's_id_files'
# 获取文件夹里所有csv格式的S文件
s_file_list = [file for file in os.listdir(s_folder_path) if file.endswith('.csv')]

# 遍历每个S文件
for s_file in s_file_list:
    # 读取当前S文件
    s_df = pd.read_csv(os.path.join(s_folder_path, s_file))
    # 生成对应的H数据框
    h_df = G[G['id'].isin(s_df['id'].tolist())]
    # 保存H文件，命名为H_原文件名.csv
    h_file_name = f"H_{os.path.splitext(s_file)[0]}.csv"
    h_df.to_csv(h_file_name, index=False)

如果你习惯用R，用dplyr包也能轻松搞定：

library(dplyr)

# 示例数据
G <- data.frame(
    id = c(1, 2, 3, 4, 5),
    col1 = c('a', 'b', 'c', 'd', 'e'),
    col2 = c(10, 20, 30, 40, 50)
)
S1 <- data.frame(id = c(2, 4))

# 方法1：内连接
H1 <- inner_join(G, S1, by = 'id')

# 方法2：筛选
H1 <- G %>% filter(id %in% S1$id)

批量处理的话，可以用purrr包结合循环来批量读取和生成文件，逻辑和Python类似。

内容的提问来源于stack exchange，提问作者Erwin