使用 OR 条件为要匹配的列连接数据框

Question

假设我们有两个要加入的数据框。 为简单起见，假设两者具有相同的行数，并且一个数据帧中的每一行必须在另一个数据帧中具有唯一的对应行。 这是此设置的 MWE：

library(dplyr)
df1 <- tibble(id1 = 1:3, x = c("b", "a", "b"), y = c(55, 50, 58), z = c(65, 60, 69))
df2 <- tibble(id2 = 11:13, x = c("a", "b", "b"), y = c(50, 55, 59), z = c(61, 66, 69))

# # A tibble: 3 x 4
#     id1 x         y     z
#   <int> <chr> <dbl> <dbl>
# 1     1 b        55    65
# 2     2 a        50    60
# 3     3 b        58    69
# # A tibble: 3 x 4
#     id2 x         y     z
#   <int> <chr> <dbl> <dbl>
# 1    11 a        50    61
# 2    12 b        55    66
# 3    13 b        59    69

目标是将df1中的唯一 ID 与df2唯一但不同的 ID 链接起来。 我可以通过利用x 、 y和z列中的组合信息足以唯一地标识行这一事实来做到这一点。 下面详细解释的问题是，如果我们能够通过诸如c("x", "y" OR "z")类的内容进行连接，连接将在此设置中正常工作。

• 从x列开始，我们有足够的信息将id1 == 2与id2==11 ，因为它们共享相同的唯一值（即"a" ）。 但是，对于其余的对，仅列x是不够的。
• 在连接中使用列y允许我们将id1 == 1与id2==12链接起来。 但是，列y （除了x ）将（正确地）不匹配id1 == 3与id2==13 ，因为它们具有不同的y值。
• 在连接中使用列z允许我将id1 == 3与id2==13链接起来，但现在我们遇到了与以前相同的问题，现在将id1 == 1与id2==12链接起来：它们的z值不同。 此外，如果我们通过z加入，那么我们会破坏id1 == 2与id2==11的链接（尽管这个例子在没有这个额外的怪癖的情况下仍然可以工作）。

因此，问题是，除了在x严格匹配之外，是否有一种好的和/或简洁的方式在y和z列上使用OR条件连接这两个数据帧。 就像是

full_join(df1, df2, by = c("x", "y" OR "z"))

---

到目前为止，我的尝试涉及一系列连接和其他操作，但读取起来非常麻烦（这使它容易出错），而且对于足够大的数据来说可能太慢了。 我愿意对此方法进行更正，或者被告知这是唯一的方法（尽管我真的希望不是）。

left_join(df1, df2, by = c("x", "y"), suffix = c("1", "2")) %>% 
  left_join(df2, by = c("x", "z1" = "z"), suffix = c("1", "2")) %>% 
  rowwise() %>% 
  mutate(id2 = sum(id21, id22, na.rm = T)) %>% 
  select(id1, id2)

# # A tibble: 3 x 2
# # Rowwise: 
#     id1   id2
#   <int> <int>
# 1     1    12
# 2     2    11
# 3     3    13

Answer 1

您可以使用tidyr将两个 data.frames 转换为长格式。

library(tidyr)
library(dplyr)

df2_2 <- df2 %>% 
  pivot_longer(c(y, z))

df1_1 <- df1 %>% 
  pivot_longer(c(y, z))

接下来，您inner_join都是由你转动data.frames的x和新value列，并把它们放回宽格式。 所以

df1_1  %>% 
  inner_join(df2_2, by=c("x", "value")) %>% 
  pivot_wider(names_from="name.x") %>% 
  select(-name.y)

返回

# A tibble: 3 x 5
    id1 x       id2     y     z
  <int> <chr> <int> <dbl> <dbl>
1     1 b        12    55    NA
2     2 a        11    50    NA
3     3 b        13    NA    69

要么

df1_1  %>% 
  inner_join(df2_2, by=c("x", "value")) %>% 
  pivot_wider(names_from="name.x") %>% 
  select(id1, id2)

给你你想要的输出

# A tibble: 3 x 2
    id1   id2
  <int> <int>
1     1    12
2     2    11
3     3    13

如果y和z是相同类型，这可以正常工作。 如果它们的类型不同（例如一个是字符，另一个是双pivot_longer ），则必须将它们转换为通用格式，以便pivot_longer起作用。