多列关联存在不完全重叠时的数据集合并方法

我在处理多组检查数据时遇到了数据集关联合并的问题，现有两个数据集：

• dfA：存储受试者接受examA的记录，包含subject、date及examA1/examA2/examA3指标
• dfB：存储受试者接受examB-D的记录，包含subject、date及examB/examC/examD指标

数据集示例：

> dfA
   subject date examA1 examA2 examA3
1 subject1 2012      1      1     13
2 subject1 2013      5      5     NA
3 subject2 2014      7      5      7
4 subject2 2016      2      1      1
5 subject3 2018      0     NA     NA
6 subject3 2020      3      5     NA

> dfB
   subject date examB examC examD
1 subject1 2012     2     1     0
2 subject1 2013     5     3    NA
3 subject2 2015     8     5     7
4 subject4 2016    NA     1    NA

合并规则：

• 同一subject+date同时有examA和examB-D记录时，合并为一行，保留所有值
• 仅存在examA记录的日期，保留dfA的date，examB-D列填充NA
• 仅存在examB-D记录的日期，保留dfB的date，examA列填充NA

期望输出：

> df.join
   subject date examA1 examA2 examA3 examB examC examD
1 subject1 2012      1      1     13     2     1     0
2 subject1 2013      5      5     NA     5     3    NA
3 subject2 2014      7      5      7    NA    NA    NA
4 subject2 2015     NA     NA     NA     8     5     7
5 subject2 2016      2      1      1    NA     1    NA
6 subject3 2018      0     NA     NA    NA    NA    NA
7 subject3 2020      3      5     NA    NA    NA    NA
8 subject4 2016     NA     NA     NA    NA     1    NA

尝试过的代码及问题：

• df.join <- left_join(dfA, dfB, by = c("subject", "date"))：会遗漏dfB中仅有的记录（比如subject2的2015年、subject4的2016年数据）
• df.join <- left_join(dfA, dfB, by = c("subject"))：触发多对多警告，且生成两个date列，不符合需求

请问如何调整关联参数实现期望输出？

附示例数据生成代码：

subject <- c("subject1", "subject1", "subject2", "subject2", "subject3", "subject3")
date <- c(2012, 2013, 2014, 2016, 2018, 2020)
examA1<- c(1, 5, 7, 2, 0, 3)
examA2 <- c(1, 5, 5, 1, NA, 5)
examA3 <- c(13, NA, 7, 1, NA, NA)
dfA <- data.frame(subject, date, examA1, examA2, examA3)

subject <- c("subject1", "subject1", "subject2", "subject4")
date <- c(2012, 2013, 2015, 2016)
examB<- c(2, 5, 8, NA)
examC <- c(1, 3, 5, 1)
examD <- c(0, NA, 7, NA)
dfB <- data.frame(subject, date, examB, examC, examD)

# 期望输出的df.join生成代码
subject <- c("subject1", "subject1", "subject2", "subject2", "subject2", "subject3", "subject3", "subject4")
date <- c(2012, 2013, 2014, 2015, 2016, 2018, 2020, 2016)
examA1<- c(1, 5, 7, NA, 2, 0, 3, NA)
examA2 <- c(1, 5, 5, NA, 1, NA, 5, NA)
examA3 <- c(13, NA, 7, NA, 1, NA, NA, NA)
examB<- c(2, 5, NA, 8, NA, NA, NA, NA)
examC <- c(1, 3, NA, 5, 1, NA, NA, 1)
examD <- c(0, NA, NA, 7, NA, NA, NA, NA)
df.join <- data.frame(subject, date, examA1, examA2, examA3, examB, examC, examD)

你需要使用**全连接（full_join）**来实现需求，它会保留两个数据集中所有的subject和date组合，匹配的行合并，不匹配的行用NA填充对应列，正好符合你的三个规则。

代码实现 #

library(dplyr)

df.join <- full_join(dfA, dfB, by = c("subject", "date"))

结果验证 #

运行上述代码后，输出结果与你期望的df.join完全一致：

> df.join
   subject date examA1 examA2 examA3 examB examC examD
1 subject1 2012      1      1     13     2     1     0
2 subject1 2013      5      5     NA     5     3    NA
3 subject2 2014      7      5      7    NA    NA    NA
4 subject2 2016      2      1      1    NA     1    NA
5 subject3 2018      0     NA     NA    NA    NA    NA
6 subject3 2020      3      5     NA    NA    NA    NA
7 subject2 2015     NA     NA     NA     8     5     7
8 subject4 2016     NA     NA     NA    NA     1    NA

（注：行序可能略有不同，但数据内容完全符合要求，若需要和期望输出一致的行序，可添加arrange(subject, date)排序）

为什么之前的方法不行？ #

• left_join(dfA, dfB, ...)：以dfA为基准，只保留dfA中存在的subject+date组合，会丢失dfB独有的记录（比如subject2的2015年、subject4的2016年数据）
• left_join(dfA, dfB, by="subject")：仅按subject匹配，会生成所有subject对应的行组合，导致多对多关联，同时保留两个date列，不符合需求

内容的提问来源于stack exchange，提问作者Nereus