检查 data.frame 是否是另一个 data.frame 的子集

Question

假设我有以下查找 table:

(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 的子集，以及重要的附加要求，即对于列 b 匹配意味着 lkp$b 只需要包含 x$b.

下面的例子应该能说明我的意思：

(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$c1：第 1 行匹配行 lkp_1（和 lkp_2），因为列 a 相同且 lkp$b 包含 a2
chk$c2 和 chk$c4 也匹配
chk$c3 不匹配。虽然每一行匹配 lkp_1，但 c4 不是子集，因为 lkp 需要包含 2 个不同的 匹配的行。

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：

R merge data frames, allow inexact ID matching (e.g. with additional characters 1234 matches 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，而是某种 does_contain 关系而不是纯粹的相等。那么也许 regex 解决方案可行？

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)
    }
)

或

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)
    }
)

这给出了

   c1    c2    c3    c4 
 TRUE  TRUE FALSE FALSE

检查 data.frame 是否是另一个 data.frame 的子集

Check if data.frame is a subset of another data.frame

merge

join

r

string-matching

预期结果