full_join后缺失数据点：如何合并重复列并保留全部数据？

为啥会出现.x/.y后缀？ #

当你用full_join(df1, df2, by=c("Sample Description", "Group"))时，两个数据框里名字相同但不在by参数中的列，会被自动加上.x（来自df1）和.y（来自df2）的后缀——这是full_join的默认行为，用来区分列的来源，但不会自动合并这些列的数值。至于你提到32-71行的C0等数据没被纳入，大概率是这些行的Sample Description或Group在另一个数据框里没有完全匹配的条目，合并后这些行的对应.x或.y列显示为NA，看起来像是没被纳入，实际是存在的。

怎么合并这些同名列？ #

1. 批量合并所有.x/.y列

用dplyr的coalesce函数可以把两组同名后缀列合并成一列，自动保留非NA的值。结合across能批量处理所有这类列，不用手动逐个操作：

library(dplyr)

# 提取所有带.x后缀的列名，去掉后缀得到原始列名
common_cols <- names(df3)[grepl("\\.x$", names(df3))] %>% gsub("\\.x$", "", .)

# 批量合并每组.x和.y列，生成新列后删除原后缀列
df3_merged <- df3 %>%
  mutate(across(all_of(common_cols), ~ coalesce(!!sym(paste0(.name, ".x")), !!sym(paste0(.name, ".y"))))) %>%
  select(-ends_with(".x"), -ends_with(".y"))

2. 排查连接键的匹配问题

如果确实有行没出现在df3里，先检查连接键的格式是否有差异，比如空格、大小写、特殊字符导致匹配失败：

# 查看df1里在df2中没有匹配的键
anti_join(df1, df2, by = c("Sample Description", "Group")) %>% select("Sample Description", "Group")

# 查看df2里在df1中没有匹配的键
anti_join(df2, df1, by = c("Sample Description", "Group")) %>% select("Sample Description", "Group")

找到不匹配的键后，先统一清洗（比如用str_trim去空格、str_to_lower转小写），再重新执行full_join。

3. 自定义后缀（可选）

要是觉得默认的.x/.y不好区分，合并时可以自定义后缀，方便后续识别：

df3 <- full_join(df1, df2, by = c("Sample Description", "Group"), suffix = c("_from_df1", "_from_df2"))

内容的提问来源于stack exchange，提问作者Cecilie Pedersen