如何优雅提取df1子串并匹配df2计算对应求和值？

我来帮你搞定这个问题，其实核心就是把「字符串拆分、匹配对应值、求和」这几步流畅串起来，咱们先从思路到代码一步步说清楚，顺便解答你纠结的存储问题～

核心思路拆解 #

你的需求本质是：

• 把df1每行的字符串拆成独立的子串（比如"Canada and USA"拆成c("Canada", "USA")）
• 用这些子串去df2里匹配对应的o值，然后求和得到每行的p

关于你纠结的「存储为list还是其他结构」：用list是最合理的选择。因为如果以后你的字符串里子串数量不固定（比如有的行是3个国家），list可以灵活容纳不同长度的向量，而普通数据框列要求所有元素长度一致，没法适配这种场景。

具体实现方法 #

我给你两种常用风格的解法，你可以根据自己的习惯选：

方法一：Base R 原生实现

不用额外装包，用基础函数就能搞定：

# 先拆分字符串，得到list列
df1$substrings <- strsplit(df1$n, " and ", fixed = TRUE)
# 遍历list，匹配df2的o值并求和
df1$p <- sapply(df1$substrings, function(x) {
  sum(df2$o[df2$m %in% x])
})
# 整理成目标df3
df3 <- df1[, c("n", "p")]

方法二：Tidyverse 优雅风格

用dplyr+stringr+purrr的组合，代码更简洁易读：

library(dplyr)
library(stringr)
library(purrr)

df3 <- df1 %>%
  # 拆分字符串为list列
  mutate(substrings = str_split(n, " and ")) %>%
  # 遍历list列，计算每个子串集合对应的o值之和
  mutate(p = map_dbl(substrings, ~ sum(df2$o[df2$m %in% .x]))) %>%
  # 只保留需要的列
  select(n, p)

关键原理说明 #

1. 字符串拆分：strsplit()（base R）或str_split()（stringr）都会返回list，每个元素对应一行拆分后的子串向量，完美适配每行子串数量可能变化的场景。
2. 匹配求和：
   • Base R里用sapply()遍历list，对每个子串向量，用%in%找到df2中匹配的行，提取o值后求和。
   • Tidyverse里用map_dbl()（purrr包），作用和sapply()类似，但更适配管道流的写法，~是简化的匿名函数写法，.x代表list里的每个元素。
3. 容错处理：如果某行的子串在df2里找不到（比如出现"UK"），默认sum()会返回NA。如果想忽略不存在的子串，可以在sum()里加na.rm = TRUE，比如sum(df2$o[df2$m %in% x], na.rm = TRUE)。

验证结果 #

运行完代码后，你得到的df3就是你期望的样子：

> df3
                 n  p
1  Canada and USA 13
2 USA and Mexico 15
3 Canada and Mexico 12

内容的提问来源于stack exchange，提问作者Runner