如何在两个列表中识别名称的完全、部分或无匹配并提取行ID

需求说明 #

基于dt2中的每个名称，在dt1中完成三类匹配判断：

• 完全匹配：名称完全一致
• 部分匹配：dt2的名称是dt1中某个名称的子字符串
• 无匹配：上述两种情况均不满足
  同时提取dt1中首个匹配行的ID，最终输出格式参考给定的dtout。

输入数据 #

library(data.table)
dt1 <- data.table(nmlist = c('nm1 ln1','nm2 ln2','nm2 ln3','nm4 ln4'))
dt2 <- data.table(chknm = c('nm1 ln1','nm2','ln3','nm5 ln5'))

实现代码 #

# 给dt1添加行ID列
dt1[, index := .I]

# 初始化输出表
dtout <- dt2[, .(chknm)]

# 第一步：处理完全匹配
dtout[dt1, on = .(chknm = nmlist), `:=`(match = 'exact', index = i.index)]

# 第二步：处理未匹配的行（部分匹配/无匹配）
unmatched_rows <- dtout[is.na(match)]
unmatched_rows[, c('match', 'index') := {
  # 查找dt1中包含当前chknm的所有行
  matched_records <- dt1[grepl(chknm, nmlist)]
  if (nrow(matched_records) > 0) {
    .(match = 'partial', index = matched_records$index[1])
  } else {
    .(match = 'nomatch', index = NA_integer_)
  }
}, by = chknm]

# 将部分匹配/无匹配的结果更新到输出表
dtout[unmatched_rows, on = .(chknm), `:=`(match = i.match, index = i.index)]

# 查看结果
dtout

代码逻辑解释 #

1. 添加行ID：利用data.table内置的.I获取dt1的行号，后续用于返回匹配位置
2. 完全匹配处理：通过data.table的连接操作（on = .(chknm = nmlist)）直接匹配完全一致的名称，标记match = 'exact'并赋值对应行ID
3. 部分/无匹配处理：对未完成完全匹配的行，按每个名称分组，用grepl检查dt1中是否存在包含当前名称的记录：
   • 存在则标记partial，取首个匹配行的ID
   • 不存在则标记nomatch，ID设为NA
4. 结果合并：将部分匹配/无匹配的结果更新到输出表中，得到最终完整结果

验证结果 #

运行代码后输出的dtout与预期完全一致：

#    chknm    match index
# 1: nm1 ln1  exact     1
# 2:    nm2 partial     2
# 3:    ln3 partial     3
# 4: nm5 ln5 nomatch    NA

内容的提问来源于stack exchange，提问作者RSA