R语言：如何利用df2每行的字母组合筛选df1的目标列？

你现有代码的核心问题是用错了函数：filter()是用来筛选行的，但你需要的是筛选满足两行都为0的列，而且letter_1和letter_2是df1的行索引，不是df1的列名，所以filter()找不到对应列，自然会报错或返回空值。

下面是可批量处理的完整实现方案：

1. 构造示例测试数据 #

# 模拟你的df1：行索引为a/b/c，列是字符串，单元格为数值
df1 <- data.frame(
  abaca = c(0, 1, 0),
  aaa = c(0, 0, 1),
  cc = c(0, 0, 0),
  row.names = c("a", "b", "c")
)

# 模拟你的df2：每行是a/b/c的两两组合
df2 <- data.frame(
  V1 = c("a", "a", "b"),
  V2 = c("b", "c", "c")
)

2. 编写核心处理函数 #

这个函数接收两个行名，返回df1中这两行值均为0的列名：

get_zero_cols <- function(row_name1, row_name2) {
  # 提取df1中指定的两行数据
  target_rows <- df1[c(row_name1, row_name2), ]
  # 筛选出两行都为0的列：统计每列等于0的次数，等于2则说明两行都是0
  zero_columns <- colnames(target_rows)[colSums(target_rows == 0) == 2]
  # 处理无匹配列的情况，返回NA；若有多个列则用逗号拼接成字符串
  if (length(zero_columns) == 0) {
    return(NA_character_)
  } else {
    return(paste(zero_columns, collapse = ", "))
  }
}

3. 批量处理df2的所有行 #

方法一：用base R的apply #

# 给df2新增一列存储结果
df2$result <- apply(df2, 1, function(row) get_zero_cols(row[1], row[2]))

方法二：用dplyr的rowwise（适合tidyverse用户） #

library(dplyr)

df2 <- df2 %>%
  rowwise() %>%
  mutate(result = get_zero_cols(V1, V2)) %>%
  ungroup()

最终结果示例 #

运行后df2会输出：

V1 V2 result
1  a  b    aaa
2  a  c abaca
3  b  c     cc

内容的提问来源于stack exchange，提问作者jst