如何用dplyr函数直接合并两表，保留指定行与第二表唯一列？

你需要合并两个数据框，要求保留df1中所有的name（Fred和Sasha），同时纳入df2中对应name的相关行，排除Rebecca的数据。

原始数据 #

df1 <- data.frame(name = c('Fred', 'Fred', 'Fred', 'Sasha', 'Sasha', 'Sasha'),
                  year = c('2018-19', '2019-20', '2020-21', '2018-19', '2019-20', '2020-21'),
                  outcome1 = 1:6)
df2 <- data.frame(name = c('Sasha', 'Sasha', 'Sasha', 'Rebecca', 'Rebecca', 'Rebecca'),
                  year = c('2019-20', '2020-21', '2021-22', '2019-20', '2020-21', '2021-22'),
                  outcome2 = 2:7)

更直接的实现方法 #

你当前的方案是先全连接再过滤，其实可以提前处理df2，一步完成需求：

方法1：提前过滤df2后做全连接

直接在合并前筛选df2中属于df1的name，再执行全连接：

library(dplyr)

df3 <- full_join(df1, filter(df2, name %in% df1$name), by = c("name", "year"))

方法2：用semi_join提取匹配子集后合并

semi_join可以精准获取df2中与df1的name匹配的行，再和df1做全连接，逻辑更清晰：

df2_matched <- semi_join(df2, df1, by = "name")
df3 <- full_join(df1, df2_matched, by = c("name", "year"))

两种方法得到的结果和你期望的df3完全一致，无需额外执行过滤步骤。

内容的提问来源于stack exchange，提问作者Are-Pro-Gram-In