R 数据帧中两个逗号分隔因子之间的部分匹配

正如标题所建议的，我的目标是在至少有两个匹配元素的独立数据帧中对两个因子（使用逗号分隔的值）进行部分匹配

我有两个这样的数据帧：

df1

结构（列表（ID=c（55153274738034156），值=c（“3000210057100121300451006510207100132005620024130261003210031”），
"10026, 10051, 10010, 10302", "10004, 10133, 10103", "10009, 10035", 
"10003, 10202, 10319, 10421, 10025, 10033, 10045, 10036, 10049, 10055, 10062, 10069, 10083, 10086, 10089, 10090, 10099, 10100, 10102, 10103, 10112, 10114, 10120, 10125, 10126, 10128, 10144, 10148, 10149, 10150, 10158, 10159, 11330, 10035, 13508, 12003, 10124, 100266, 11302, 15305, 10240, 25024, 23003, 25204, 25343, 23058, 22007, 25278, 25204, 30117, 25346, 22324, 25325, 25133, 25229", 
“11002、11107、13340、10344”）），类别=c（“待决条件”，“待决条件”，
“data.frame”），row.names=c（NA，-6L））
df2
```r
结构（list）（ID=c（75412289214，48222），value=c（“3000210041100312002413026”），
"10026, 10040", "10004, 10133", "10023, 10025, 10314, 10143", 
"10001, 10125, 10126, 10128", 
“10012010344”）），类=c（“待定”，“待定”，“数据帧”
)，row.names=c（NA，-6L））

如上所示：1）ID不符合顺序，我按“值”列对它们进行了排序，2）每行中的元素数量可能不同，3）列表中的元素可能无序4）原始数据帧很大，因此我认为可能存在多个匹配，因此我还想输出匹配计数

***请注意，这里我按“值”对数据集进行排序，因此看起来它们是逐行匹配的，但实际上，如果查看整个数据集，情况并非如此，目标实际上是逐项查找匹配项

如果任何两个列表至少有两个公共元素：例如df1中的ID55和df1中的ID75，则我希望生成的df返回dataframe的ID和匹配元素，返回类似于

ID\u 1 ID\u 2匹配元素匹配计数
75   55    30002,20024,13026   3

我尝试使用字符串拆分来生成变量值“list”，但这仍然无助于我的部分匹配

---

df1我正在使用嵌套的
map

library(stringr)
df1 <- structure(list(ID = c(55, 153, 274, 380, 34, 156), value = c("30002, 10057, 10012, 30045, 10065, 10207, 10013, 20056, 20024, 13026, 10032, 10031", 
                                                             "10026, 10051, 10010, 10302", "10004, 10133, 10103", "10009, 10035", 
                                                             "10003, 10202, 10319, 10421, 10025, 10033, 10045, 10036, 10049, 10055, 10062, 10069, 10083, 10086, 10089, 10090, 10099, 10100, 10102, 10103, 10112, 10114, 10120, 10125, 10126, 10128, 10144, 10148, 10149, 10150, 10158, 10159, 11330, 10035, 13508, 12003, 10124, 100266, 11302, 15305, 10240, 25024, 23003, 25204, 25343, 23058, 22007, 25278, 25204, 30117, 25346, 22324, 25325, 25133, 25229", 
                                                             "11002, 11107, 13340, 10344")), class = c("tbl_df", "tbl", 
                                                                                                       "data.frame"), row.names = c(NA, -6L))

df2 <- structure(list(ID1 = c(75, 412, 289, 214, 48, 222), value1 = c("30002, 10041, 10031, 20024, 13026", 
                                                             "10026, 10040", "10004, 10133", "10023, 10025, 10314, 10143", 
                                                             "10001, 10125, 10126, 10128", 
                                                             "10012, 10020, 10344")), class = c("tbl_df", "tbl", "data.frame"
                                                             ), row.names = c(NA, -6L))
#Change value column into a list of numeric values
df1 <-  df1 %>% mutate(x = map(value,function(x) (as.numeric(unlist(str_split(x,","))))))
df2 <-  df2 %>% mutate(x1 = map(value1,function(x) (as.numeric(unlist(str_split(x,","))))))

#Combine dataframes
df <- cbind(df1,df2)

Final_Data <- enframe(map(df$x,~ map(df$x1,~.y[.y %in% .x],.y = .x))) %>% unnest() %>%  
        mutate(ID_1 = rep(df$ID,each = 6),ID_2 = rep(df$ID1,times=6),
               Length = lengths(value) ) %>% filter(Length > 2 )

库（stringr）
df1（2）
我不太了解您的预期输出。似乎存在不一致/打字错误

您说“例如，df1中的ID55和df1中的ID75-”，但在您的预期输出中
ID2=55
和
ID1=75
。它不应该是
ID_1=55
（因为它来自
df1
）和
ID_2=75
（来自
df2
）
为什么您给出的示例输出中没有
10031
值<对于
ID_1=55
和
ID_2=75
，code>value=10031

同时位于

df1

和

df2

中 撇开矛盾不谈，这似乎是一个相当简单的

内部连接

：

library(tidyverse)
inner_join(
    df1 %>% separate_rows(value),
    df2 %>% separate_rows(value),
    by = "value", suffix = c("_1", "_2")) %>%
    group_by(ID_1, ID_2) %>%
    summarise(value = toString(value))
## A tibble: 7 x 3
## Groups:   ID_1 [5]
#   ID_1  ID_2 value
#  <dbl> <dbl> <chr>
#1    34    48 10125, 10126, 10128
#2    34   214 10025
#3    55    75 30002, 20024, 13026, 10031
#4    55   222 10012
#5   153   412 10026
#6   156   222 10344
#7   274   289 10004, 10133

---

请使用

dput

”如上所示输出数据帧：1）ID完全被置乱“我不确定我是否理解您所说的置乱是什么意思。我也不清楚第二个数据集中的

“…”

表示什么。您是否有只包含一组点的行？我支持上一位评论者的请求，即使用

dput

以可复制且明确的方式发布最小数据。如果不确定，请查看如何提供。Hi@django，欢迎使用Stack！正如其他人所提到的，如果您可以执行

dput（df1）

并将其发布在您的问题中（使用“编辑”选项），这将极大地帮助其他人尝试回答您的问题。尝试重新创建您的第一个数据帧时，我会从如下

ID开始，如果您有一个大数据帧，并且只想发布一定数量的数据帧，那么您也可以使用
head（）
。因此，要提供数据帧的前3行，您可以使用dput（head（df1,3））

@RussThomas，它没有因子。我已经编辑了这个部分，谢谢你的建议！非常感谢你！我不知道内部连接可以工作：）是的，你是对的，结果有一些输入错误，但这就像一个charm@dangodango请把答案重击一下，然后把它写成answer@dangodango正如Omar Abd El Naser所建议的，请查看StackOverflow帮助中心关于的文章。谢谢！不过，事实证明运行for循环需要一些时间。但这也行！非常感谢你花时间写这篇文章this@dangodango如果你仍然感兴趣，我用map改变for循环：D

inner_join(
    df1 %>% separate_rows(value),
    df2 %>% separate_rows(value),
    by = "value", suffix = c("_1", "_2")) %>%
    group_by(ID_1, ID_2) %>%
    filter(length(value) > 2) %>%
    summarise(
        matched_element = toString(value),
        match_count = length(value))
## A tibble: 2 x 4
## Groups:   ID_1 [2]
#   ID_1  ID_2 matched_element            match_count
#  <dbl> <dbl> <chr>                            <int>
#1    34    48 10125, 10126, 10128                  3
#2    55    75 30002, 20024, 13026, 10031           4