如何让R中dplyr的full_join将NA作为通配符进行匹配？

dplyr的full_join默认仅支持精确匹配，连接列中的NA只能匹配另一数据框对应列的NA，无法作为通配符匹配任意值。要实现需求中的NA通配匹配，可以通过以下两种方式解决：

方法一：使用fuzzyjoin包自定义匹配规则 #

fuzzyjoin包提供了模糊连接功能，允许我们自定义列的匹配逻辑，非常适合处理NA作为通配符的场景。

步骤1：安装并加载依赖包 #

# 若未安装fuzzyjoin则先安装
install.packages("fuzzyjoin")

library(dplyr)
library(fuzzyjoin)

步骤2：定义示例数据 #

x = data.frame(class = c("A", "B", "B", "C"), flags = c(NA, "individual", "group", NA), interest = c(0.04, 0.03, 0.02, 0.05))
y = data.frame(class = c("A", "A", "B", "B", "C"), flags = c("individual", "group", "individual", "group", NA), costs = c(0.05, 0.025, 0.03, 0.02, 0.01))

步骤3：执行模糊全连接 #

通过match_fun参数定义匹配规则：class列精确匹配；flags列只要其中一方为NA，或者值相等即匹配。

result <- fuzzy_full_join(
  x, y,
  by = c("class", "flags"),
  match_fun = list(
    `==`,  # class列严格相等
    function(x_col, y_col) is.na(x_col) | is.na(y_col) | x_col == y_col
  )
) %>%
  # 去重并清理无效行，整理结果结构
  distinct(class, flags, interest, costs, .keep_all = TRUE) %>%
  filter(!(is.na(interest) & is.na(costs))) %>%
  arrange(class, flags)

# 查看结果
result

运行后得到期望的输出：

class      flags interest costs
1     A individual     0.04 0.050
2     A      group     0.04 0.025
3     B individual     0.03 0.030
4     B      group     0.02 0.020
5     C       <NA>     0.05 0.010

方法二：手动扩展NA行后再连接 #

如果不想额外安装包，可以先将含NA的行扩展为对应class下的所有可能值，再执行常规的full_join。

# 提取每个class对应的所有flags取值
class_flags <- y %>% 
  group_by(class) %>% 
  summarise(flags_list = list(unique(flags)))

# 扩展x中flags为NA的行
x_expanded <- x %>%
  left_join(class_flags, by = "class") %>%
  tidyr::unnest(flags_list) %>%
  mutate(flags = ifelse(is.na(flags), flags_list, flags)) %>%
  select(-flags_list) %>%
  distinct()

# 执行全连接并整理结果
result_manual <- full_join(x_expanded, y, by = c("class", "flags")) %>%
  arrange(class, flags)

# 查看结果
result_manual

这种方式同样能得到符合预期的结果，但逻辑相对繁琐，适合无法安装额外包的场景。

内容的提问来源于stack exchange，提问作者Reinhold Kainhofer