R:合并部分匹配的数据

Question

我有 2 个数据框，我试图根据全部/部分匹配将它们合并在一起。这 2 个数据帧有一列具有匹配标识符 (ID2)，但是其中一个数据帧中的某些行可以具有由“|”分隔的标识符组合符号。

2 个数据框结果的基本合并

df1 <- data.frame(
  ID1 = c("A1", "A2", "A3", "A4", "A5"),
  ID2 = c("B1|B2", "B1", "B3", "B6|B4", "B0|B6|B3")
)

df2 <- data.frame(
  ID3 = c("C1", "C2", "C3", "C4", "C5"),
  ID2 = c("B1", "B2", "B3", "B4", "B5")
)

merge(df1, df2, by = "ID2")
  ID2 ID1 ID3
1  B1  A2  C1
2  B3  A3  C3

这会导致数据框只找到 2 个匹配项，但我还想找到诸如“B0|B6|B3”之类的行的匹配项，其中 B0 和 B6 不存在于第二个数据框中，但是 B3仍然是 2 个数据帧之间的匹配。

期望的输出看起来像这样:

  ID1      ID2   ID3
1  A1    B1|B2 C1|C2
2  A2       B1    C1
3  A3       B3    C3
4  A4    B6|B4    C4
5  A5 B0|B6|B3    C3

Answer 1

我们可以使用 fuzzyjoin 中的 regex_left_join

library(fuzzyjoin)
library(dplyr)
regex_left_join(df1, df2, by = "ID2") %>% 
   group_by(ID1, ID2 = ID2.x) %>% 
   summarise(ID3 = str_c(ID3, collapse="|"), .groups = 'drop')

-输出

# A tibble: 5 x 3
  ID1   ID2      ID3  
  <chr> <chr>    <chr>
1 A1    B1|B2    C1|C2
2 A2    B1       C1   
3 A3    B3       C3   
4 A4    B6|B4    C4   
5 A5    B0|B6|B3 C3