在R中比较组内ID并输出匹配值，处理跨国家ID关联违规问题

没问题，我帮你搞定这个10万行数据的组内ID匹配校验需求！核心思路是先建立人员ID与所属国家的映射关系，再逐行校验关联双方是否属于同一国家，最后标记违规项。

先明确需求逻辑 #

你要的是：同一个国家（ego_country）的ego_id，只能和同属该国的alter_id关联；如果alter_id属于其他国家，就标记为违规（用方括号包裹）。

分步实现代码（两种高效方案） #

假设你的原始数据框名为df，包含列：ego_id, alter_id, ego_country。

方案1：用dplyr（代码易读，适合大多数场景）

library(dplyr)

# 1. 构建【人员ID-所属国家】的映射表（确保每个ID只对应一个国家）
id_country_map <- df %>%
  select(id = ego_id, country = ego_country) %>%
  distinct() %>%
  # 处理可能的ID-国家冲突（如果一个ID对应多个国家，保留第一条记录）
  group_by(id) %>%
  filter(row_number() == 1) %>%
  ungroup()

# 2. 给原始数据匹配alter_id对应的国家
df_joined <- df %>%
  left_join(id_country_map, by = c("alter_id" = "id")) %>%
  rename(alter_country = country)

# 3. 标记违规并格式化alter_id
df_result <- df_joined %>%
  mutate(
    # 判断违规：alter无国家记录 或 与ego国家不一致
    is_violation = case_when(
      is.na(alter_country) ~ TRUE,
      ego_country != alter_country ~ TRUE,
      TRUE ~ FALSE
    ),
    # 违规的alter_id用方括号包裹
    alter_id_formatted = ifelse(is_violation, paste0("[", alter_id, "]"), as.character(alter_id))
  )

# 查看前10条结果
head(df_result, 10)

# 提取所有违规行
violation_records <- df_result %>% filter(is_violation)

方案2：用data.table（性能更优，适合超大数据量）

如果10万行数据想更快处理，用data.table是更好的选择：

library(data.table)

# 转换为data.table格式
setDT(df)

# 1. 构建ID-国家映射表
id_country_map <- unique(df[, .(id = ego_id, country = ego_country)])
# 处理ID-国家冲突
id_country_map <- id_country_map[, .SD[1], by = id]

# 2. 匹配alter_id的所属国家
df[, alter_country := id_country_map[df, on = .(id = alter_id), x.country]]

# 3. 标记违规并格式化
df[, `:=`(
  is_violation = (is.na(alter_country) | ego_country != alter_country),
  alter_id_formatted = ifelse(is_violation, paste0("[", alter_id, "]"), as.character(alter_id))
)]

# 查看结果
head(df)

# 提取违规行
violation_records <- df[is_violation]

额外注意事项 #

• 如果数据中存在同一个ID对应多个国家的矛盾情况（比如某个ego_id在不同行里属于不同国家），代码里已经做了简单处理（保留第一条记录），你也可以根据实际需求调整，比如取出现次数最多的国家，或者抛出警告提示。
• 对于10万行、120个国家的数据，这两种方案都能在几秒内完成处理，完全不用担心性能问题。

内容的提问来源于stack exchange，提问作者J.Q