检查 data.frame 是否是另一个 data.frame 的子集

Question

假设我有以下查找表：

(lkp <- structure(list(a = c("a", "a", "a", "b", "c"),
                       b = c("a1 a2", "a3 a2", "a3", "a1", "a1")), 
                       row.names = c("lkp_1", "lkp_2", "lkp_3", "lkp_4", "lkp_5"), 
                       class = "data.frame"))
#       a     b
# lkp_1 a a1 a2
# lkp_2 a a3 a2
# lkp_3 a    a3
# lkp_4 b    a1
# lkp_5 c    a1 

我想检查另一个data.frame ， x是否是lkp一个子集，还有一个重要的附加要求，即b列匹配意味着lkp$b只需要包含x$b 。

下面的例子应该清楚我的意思：

(chk <- list(c1 = structure(list(a = c("a", "a"), b = c("a2", "a2")), row.names = c(NA, -2L), class = "data.frame"), 
             c2 = structure(list(a = "b", b = "a1"), row.names = c(NA, -1L), class = "data.frame"), 
             c3 = structure(list(a = c("a", "a"), b = c("a1", "a1")), row.names = c(NA, -2L), class = "data.frame"), 
             c4 = structure(list(a = c("a", "a"), b = c("a3", "a2")), row.names = c(NA, -2L), class = "data.frame")))

# $c1
#   a  b
# 1 a a2
# 2 a a2

# $c2
#   a  b
# 1 b a1

# $c3
#   a  b
# 1 a a1
# 2 a a1

# $c4
#   a  b
# 1 a a3
# 2 a a2

• chk$c1 ：第 1 行匹配第lkp_1行（和lkp_2 ），因为列a相同，而lkp$b包含a2
• chk$c2和chk$c4匹配
• chk$c3不匹配。 虽然每一行都匹配lkp_1 ，但c4不是子集，因为lkp需要包含2个匹配的不同行。

原则上，我正在寻找合并（或连接），其中连接条件将使用某种模糊匹配。

我找到并阅读了这两个 SO 答案：

• 如何检查一行是否是 data.frame 的子集？
• R 合并数据帧，允许不精确的 ID 匹配（例如，附加字符 1234 匹配 ab1234）

尤其是第二个答案看起来很有希望。 但是，我不需要近似匹配，而是需要某种does_contain关系而不是纯粹的平等。 那么也许regex解决方案会起作用？

预期结果

magic_is_subset_function <- function(chk, lkp) {
   # ...
}
sapply(chk, magic_is_subset_function, lkp = lkp)
# [1] TRUE TRUE FALSE TRUE

Answer 1

sapply(
    chk,
    function(v) {
        sum(
            rowSums(sapply(v$a, `==`, lkp$a) &
                sapply(v$b, grepl, x = lkp$b)) > 0
        ) >= nrow(v)
    }
)

要么

sapply(
    chk,
    function(v) {
        sum(
            colSums(
                do.call(
                    `&`,
                    Map(
                        function(x, y) outer(x, y, FUN = Vectorize(function(a, b) grepl(a, b))),
                        v,
                        lkp
                    )
                )
            ) > 0
        ) >= nrow(v)
    }
)

这使

   c1    c2    c3    c4 
 TRUE  TRUE FALSE FALSE