基于 r 中的查找表进行合并和/或匹配

Question

我有一个包含大量数据的数据框，还有一个查找/参考数据框。我想根据查找/参考数据框中找到的三个条件添加查找/参考数据框中的唯一 ID。

数据

df <- data.frame(fruit = c("mango", "strawberry", "strawberry", "apple", "mango"),
                 size = c(34, 17, 29, 10, 1),
                 var_x = c("X4", "X1", "X1a", "X1", "X1b")
)

       fruit size var_x
1      mango   34    X4
2 strawberry   17    X1
3 strawberry   29   X1a
4      apple   10    X1
5      mango    1   X1b

查找

lookup <- data.frame(unique_id = LETTERS[1:7],
                                         fruit = c("apple", "apple", "strawberry", "mango", "mango", "mango", "mango"),
                                         size = c("1:9", "1:9", "10:40", "1:100", "1:9", "1:9", "10:40"),
                                         var_x = c("c('X1', 'X1a', 'X1b')",  "X3", "c('X1', 'X1a', 'X1b')", "c('X1', 'X1a', 'X1b')", "X2", "X3","c('X1', 'X4')")
)

  unique_id      fruit  size                 var_x
1         A      apple   1:9 c('X1', 'X1a', 'X1b')
2         B      apple   1:9                    X3
3         C strawberry 10:40 c('X1', 'X1a', 'X1b')
4         D      mango 1:100 c('X1', 'X1a', 'X1b')
5         E      mango   1:9                    X2
6         F      mango   1:9                    X3
7         G      mango 10:40         c('X1', 'X4')

在查找数据框中，

size

是一个范围，

var_x

可以是一个或多个选项。

理想情况下，我尝试编写一个函数来生成以下内容，并在其中迭代每一列。如果满足所有条件，则会从查找数据框中分配适当的

unique_id

。在我的示例中，第 1 行与 

G

 匹配，因为 

fruit == "mango"

 & 

size %in% 10:40

 & 

var_x %in% c("X1", "X4")

 :

  unique_id      fruit size var_x
1         G      mango   34    X4
2         C strawberry   17    X1
3         C strawberry   29   X1a
4      <NA>      apple   10    X1
5         B      apple    9    X3

基本上，我需要根据查找表进行匹配/合并，其中每个变量可能包含多个选项。我相信我需要以某种方式解析表达式然后进行评估。

Answer 1

在这里，我将查找表转换为更容易使用的内容，将大小范围分为两列，并为每个

var_x

 值提供其自己的行。

library(tidyverse)

lookup2 <- lookup |>
  separate(size, c("size_min", "size_max"), convert = TRUE) |>
  mutate(var_x = var_x |> 
           str_remove_all("c\\('|'|\\)") |>
           str_squish()) |>
  separate_longer_delim(var_x, ", ")

然后它只是一个连接：（使用 dplyr 1.1.0+，用于非等值连接）

df |>
  left_join(lookup2,
            join_by(fruit, between(size, size_min, size_max), var_x))
    

结果

       fruit size var_x unique_id size_min size_max
1      mango   34    X4         G       10       40
2 strawberry   17    X1         C       10       40
3 strawberry   29   X1a         C       10       40
4      apple   10    X1      <NA>       NA       NA
5      mango    1   X1b         D        1      100