如果不知道你的数据是什么样子，很难回答这个问题。但是，如果df1和df2有相同的行数，并且df1中的每一行都对应于df2中的每一行（即，df1中的第1行= df2中的第1行），那么你可以使用一个循环：

# Initialise df3 and it has the same number of columns as df1
df3 <- data.frame(matrix(nrow = 0, ncol = ncol(df1)))
colnames(df3) <- colnames(df1)

for (i in 1:nrow(df1)) {
  # If the Check Cs match OR the Check Ds match
  if (df1$`Check C`[i] == df2$`Check C`[i] | df1$`Check D`[i] == df2$`Check D`[i]) {
    # If at least one match is TRUE, add row to df3
    df3 <- rbind(df3, df1[i, ])
  }
}

然后，如果你在df1和（现在）df3中有一个year列，你可以使用tidyverse函数：

library("tidyverse")

df4 <- df3 %>% 
  group_by(year_column) %>% 
  summarise(`Mean A` = mean(`Var A`, na.rm = TRUE), 
            `Mean B` = mean(`Var B`, na.rm = TRUE))

或者，您可以从一开始就使用tidyverse函数，首先组合两个 Dataframe 。这看起来像这样：

# Have to change the common column names some how
colnames(df1) <- paste0(colnames(df1), "_1")
colnames(df2) <- paste0(colnames(df2), "_2")

df4 <- cbind(df1, df2) %>% 
  # Keep where at least one matches
  filter(`Check C_1` == `Check C_2` | `Check D_1` == `Check D_2`) %>% 
  # Keep df1 columns
  select(`Var A_1`, `Var B_1`, `Check C_1`, `Check D_1`) %>% 
  # Rename to match original
  rename(`Check C` = `Check C_1`, 
         `Check D` = `Check D_1`)

然后你可以像上面那样计算年平均值。