在R语言中找出与另一数据框行部分匹配的行

我来帮你搞定这个匹配问题！要找出df2中那些和df1行满足「至少一半列值完全相同」的行，我们可以用R的dplyr和purrr包来实现，步骤清晰易懂：

1. 先定义你的数据框 #

首先把你提供的两个tibble用代码复现出来，方便后续操作：

library(tibble)

df1 <- tibble(
  x = c(4,4,3,8),
  y = c(5,6,6,2),
  z = c(8,7,7,8),
  w = c(9,4,10,9)
)

df2 <- tibble(
  x = c(6,2,4,4),
  y = c(2,6,5,5),
  z = c(7,7,8,8),
  w = c(9,10,12,3)
)

2. 核心匹配逻辑 #

我们需要对比每一对df1行和df2行，计算它们相同列的数量，再筛选出满足「至少一半列匹配」的组合：

library(dplyr)
library(purrr)

# 生成所有行对的组合（df1的行号 × df2的行号）
row_pairs <- expand.grid(df1_row = 1:nrow(df1), df2_row = 1:nrow(df2))

# 计算每对行的匹配列数，并筛选符合条件的行对
matches <- row_pairs %>%
  mutate(
    # 对每一对行，统计相同列的数量
    match_count = map2_dbl(df1_row, df2_row, ~ sum(df1[.x,] == df2[.y,]))
  ) %>%
  # 筛选至少一半列匹配的情况（这里4列，所以≥2）
  filter(match_count >= ncol(df1)/2)

# 整理结果，把匹配的行内容也展示出来
result <- matches %>%
  # 合并df2的行内容
  left_join(df2 %>% mutate(df2_row = 1:nrow(df2)), by = "df2_row") %>%
  # 合并df1的匹配行内容，用后缀区分两个数据框的列
  left_join(df1 %>% mutate(df1_row = 1:nrow(df1)), by = "df1_row", suffix = c("_df2", "_df1")) %>%
  # 调整列顺序，让行号和匹配数在前，方便查看
  select(df2_row, df1_row, match_count, everything())

# 查看结果
print(result)

3. 结果说明 #

运行上面的代码后，你会得到如下结果：

df2_row df1_row match_count x_df2 y_df2 z_df2 w_df2 x_df1 y_df1 z_df1 w_df1
1       1       4           2     6     2     7     9     8     2     8     9
2       2       3           3     2     6     7    10     3     6     7    10
3       3       1           3     4     5     8    12     4     5     8     9
4       4       1           3     4     5     8     3     4     5     8     9

• 比如df2_row=1对应df2的第1行，和df1的第4行匹配，有2列值相同（y和w），符合要求；
• df2_row=2和df1的第3行有3列相同（y、z、w），完全满足条件；
• df2的第3、4行都和df1的第1行有3列相同，也符合要求。

如果你的数据框列数是奇数（比如5列），可以把筛选条件改成match_count >= ceiling(ncol(df1)/2)，这样就会要求至少3列匹配啦。

内容的提问来源于stack exchange，提问作者Omry Atia