如何在R中合并两个表，用第二个表的数据填充第一个表的NA值

你需要用dataset_b的非NA值替换dataset_a中对应ID的NA值，同时保留dataset_a的独有变量，且避免合并后出现重复列。以下是两种高效实现方式：

方法一：使用dplyr（适合熟悉tidyverse的用户） #

先通过left_join关联两个数据集，再用coalesce()函数优先取dataset_b的非NA值（当dataset_a对应值为NA时），最后清理重复列：

library(dplyr)

# 关联数据集
merged_data <- left_join(dataset_a, dataset_b, by = "id")

# 对每个共同变量执行更新，保留非NA值
new_dataset <- merged_data %>%
  mutate(
    health_rank = coalesce(health_rank.y, health_rank.x),
    health_decile_numeric = coalesce(health_decile_numeric.y, health_decile_numeric.x),
    health_decile_text = coalesce(health_decile_text.y, health_decile_text.x)
  ) %>%
  # 删除合并产生的后缀列，保留原始独有变量和更新后的变量
  select(id, country, population, health_rank, health_decile_numeric, health_decile_text)

方法二：使用data.table（适合大数据场景，性能更优） #

因为dataset_a有250万行，data.table的update join可以直接在原数据集上更新，无需创建大量中间列，效率更高：

library(data.table)

# 转换为data.table格式
setDT(dataset_a)
setDT(dataset_b)

# 按id匹配，用dataset_b的值更新dataset_a的对应列（仅当dataset_a值为NA时）
dataset_a[dataset_b, 
          `:=`(health_rank = i.health_rank,
               health_decile_numeric = i.health_decile_numeric,
               health_decile_text = i.health_decile_text),
          on = "id"]

# 转换回data.frame（可选）
new_dataset <- as.data.frame(dataset_a)

关键说明 #

• 方法一中coalesce()函数会按顺序取第一个非NA值：当dataset_a对应值非NA时保留原值，为NA时用dataset_b的值替换。
• 方法二中的update join是data.table核心特性，直接在dataset_a上修改，避免大对象复制，处理250万行数据时速度远快于dplyr。
• 两种方法都能得到目标结果，且完整保留dataset_a的country、population等独有变量。

内容的提问来源于stack exchange，提问作者Javi