在R语言中如何实现数据框间精确+近似匹配的行提取/合并？

这个需求太常见啦！刚好我有几个实用的R语言方案可以帮你解决——既要v1、v2精确匹配，又要v3在指定范围内模糊匹配，对吧？

先给你构造好示例数据，方便你直接测试：

library(dplyr)
library(purrr)

# 模拟你的df1和df2
df1 <- tibble(
  v1 = rep(500, 5),
  v2 = rep(40, 5),
  v3 = c(5.2, 7.2, 9.0, 3.5, 4.2),
  v4 = paste0("z", 1:5)
)

df2 <- tibble(
  v1 = c(500, 500, 500, 500, 500),
  v2 = c(40, 40, 20, 40, 40),
  v3 = c(5.1, 7.9, 8.6, 3.7, 4.0),
  v4 = paste0("m", 1:5)
)

这个方法逻辑直观，适合数据量不大的场景。核心思路是：遍历df2的每一行，在df1里筛选出v1、v2完全匹配，且v3与目标值的差值绝对值不超过你设定的阈值的行。

比如我们设定v3的匹配阈值为0.2（也就是允许v3相差±0.2），代码如下：

# 设置v3的匹配阈值
threshold <- 0.2

# 遍历df2，筛选匹配的行并合并结果
matched_result <- df2 %>%
  mutate(matched_rows = pmap(., function(v1, v2, v3, v4, ...) {
    df1 %>%
      filter(
        v1 == !!v1,       # v1精确匹配
        v2 == !!v2,       # v2精确匹配
        abs(v3 - !!v3) <= threshold  # v3在阈值范围内
      ) %>%
      mutate(df2_v4 = v4)  # 保留df2的标识，方便区分来源
  })) %>%
  unnest(matched_rows) %>%
  select(-v4.x, v4 = v4.y)  # 清理重复列，按需调整

运行后你会得到合并后的结果，其中只保留了v1、v2精确匹配，且v3足够接近的行。

如果你的数据集比较大，上面的逐行遍历效率会偏低，这时候推荐用专门处理模糊匹配的fuzzyjoin包，代码更简洁，性能也更好。

先安装并加载包：

# 首次使用先安装
# install.packages("fuzzyjoin")
library(fuzzyjoin)

同样设定阈值为0.2，执行模糊连接：

threshold <- 0.2

# 执行模糊内连接（只保留两边都匹配上的行）
fuzzy_result <- df1 %>%
  fuzzy_inner_join(
    df2,
    by = c("v1", "v2", "v3"),  # 指定匹配的列
    match_fun = list(
      `==`,  # v1必须精确相等
      `==`,  # v2必须精确相等
      function(x, y) abs(x - y) <= threshold  # v3的模糊匹配规则
    )
  )

补充说明连接类型： #

• 如果你想保留df2中所有行（即使没有匹配到df1的行），把fuzzy_inner_join换成fuzzy_left_join
• 如果你想保留df1中所有行，换成fuzzy_right_join
• 想要保留所有行的笛卡尔积匹配结果，用fuzzy_full_join

你可以根据需求随时修改threshold的值，比如把阈值改成0.5，就能允许v3有更大的偏差。如果需要针对不同组设置不同阈值（比如v1=500、v2=40用0.2，v1=500、v2=20用0.3），可以把match_fun里的规则写得更复杂，比如结合case_when来判断。

内容的提问来源于stack exchange，提问作者Mason J.