R语言中基于ID匹配实现指定列求和并保留无匹配ID的行

我懂你的需求啦——要把两个数据集里对应公司ID的员工存量（2014年底的stock）和2015年净招聘流量（flow）加起来，还得保留所有原long数据集里的公司，哪怕有些公司在short里没有2015年的招聘数据对吧？之前用rbindlist加按ID求和的方法没踩准需求，还丢了无匹配的行，我来给你调整下正确的方案～

先模拟你的数据集（方便理解和测试） #

先造两个和你描述一致的小数据集，方便后续演示：

library(data.table)
# 模拟long数据集：2014年底员工存量
long <- data.table(ID = c(1,2,3,4), stock = c(100, 200, 150, 300))
# 模拟short数据集：2015年净招聘流量（只有ID1和ID3有数据）
short <- data.table(ID = c(1,3), flow = c(10, -5))

问题出在哪？ #

你之前用rbindlist合并后按ID求和的逻辑，本质是把两个数据集的行堆叠后，对每列分别按ID求和——这不是你要的“存量+流量”的对应行相加逻辑，而且虽然sum(na.rm=T)会把NA当0，但这种方式容易混淆列求和与行内计算，最终导致结果不符合预期。

正确方案：左连接 + 补0 + 行内求和 #

核心思路是用左连接强制保留long里的所有ID，把short中的flow匹配到对应ID上，没有匹配到的flow设为0（因为没有净招聘就是变化量为0），再计算新的员工数：

用data.table实现（和你原代码的工具一致）

# 1. 左连接：保留long的所有ID，匹配short的flow列
data_new <- long[short, on = .(ID), flow := i.flow]
# 2. 把未匹配到的flow（NA）替换为0
data_new[is.na(flow), flow := 0]
# 3. 计算2015年底的员工数
data_new[, stock_2015 := stock + flow]

运行后你会得到符合预期的完整结果：

更简洁的合并写法

可以把步骤合并成一行，代码更紧凑：

data_new <- long[short, on = .(ID), .(ID, stock, flow = i.flow)][
  is.na(flow), flow := 0][, stock_2015 := stock + flow]

如果你习惯用dplyr的话

也可以用dplyr的左连接实现，逻辑完全一致：

library(dplyr)
data_new <- long %>%
  left_join(short, by = "ID") %>%
  mutate(flow = replace_na(flow, 0),
         stock_2015 = stock + flow)

这样就能完美保留所有原long里的ID，同时完成对应行的存量加流量计算啦～

备注：内容来源于stack exchange，提问作者Maximilian