使用left_join多列合并CSV文件出现NA值问题求助

问题背景 #

硕士项目中处理狮子和长颈鹿的GPS项圈数据，因数据量较大将动物数据拆分至不同CSV和SHP文件，每个动物的文件包含季节、海拔、NDVI等附加列。使用RStudio的left_join（也尝试过merge、st_join、full_join等方法）按多列合并文件，代码示例：

combined_datacas <- left_join(
  waterholescas, casdatacov,
  by=c("Lat", "Lon", "Timestamp", "animal_id"))

数据示例 #

waterholescas数据：

animal_id  Timestamp distance_to_nearest_waterhole   Lon   Lat
1       Cas 2012-04-08 02:39:00  3333.13041830703   721363.1 7166414
2       Cas 2012-04-08 06:39:00  3331.69779980209 721354.5 7166301
3       Cas 2012-04-08 10:39:00  3464.1329308895 722307.2 7166891
4       Cas 2012-04-08 14:39:00  2417.74343771813 724203.8 7167332
5       Cas 2012-04-08 18:39:00  2983.85441244622 725335.3 7168174
6       Cas 2012-04-08 22:39:00  2807.4428112668 725241.8 7167996

casdatacov数据：

animal_id Timestamp realrand type Scaled_NDVI landform    
   landcover elevation   Lon     Lat
1       Cas 2012-04-08 02:39:00        1 real      0.3186 Lower slope (flat) Natural Grassland      1032 721363.1 7166414
2       Cas 2012-04-08 06:39:00        1 real      0.3186 Lower slope (flat) Natural Grassland      1030 721354.5 7166301
3       Cas 2012-04-08 10:39:00        1 real      0.3408 Lower slope (flat) Natural Grassland      1031 722307.2 7166891
4       Cas 2012-04-08 14:39:00        1 real      0.3582 Lower slope (flat) Natural Grassland      1032 724203.8 7167332
5       Cas 2012-04-08 18:39:00        1 real      0.3378 Upper slope (flat) Natural Grassland      1033 725335.3 7168174
6       Cas 2012-04-08 22:39:00        1 real      0.3494             Valley Natural Grassland      1032 725241.8 7167996

遇到的问题 #

合并后部分行成功匹配，但多处出现NA值（原数据无NA），手动检查匹配列（Lat、Lon、Timestamp、animal_id）均存在对应行。同时收到警告信息：

Warning messages:
1: In doTryCatch(return(expr), name, parentenv, handler) :
  display list redraw incomplete
2: In doTryCatch(return(expr), name, parentenv, handler) :
  invalid graphics state
3: In doTryCatch(return(expr), name, parentenv, handler) :
  invalid graphics state
4: In left_join(waterholescas, casdatacov, by = c("Lat", "Lon", "animal_id",  :
  Detected an unexpected many-to-many relationship between `x` and `y`.
ℹ Row 3434 of `x` matches multiple rows in `y`.
ℹ Row 139 of `y` matches multiple rows in `x`.
ℹ If a many-to-many relationship is expected, set `relationship = "many-to-many"` to silence this warning.

解决思路与步骤 #

1. 处理多对多关系警告 #

警告明确指出两个数据集在匹配列上存在多对多映射，这是合并异常的核心原因之一：

• 定位重复行：先找出匹配列的重复组合

  library(dplyr)
  # 检查waterholescas中匹配列的重复记录
  waterholescas %>% count(animal_id, Timestamp, Lon, Lat) %>% filter(n > 1)
  # 检查casdatacov中匹配列的重复记录
  casdatacov %>% count(animal_id, Timestamp, Lon, Lat) %>% filter(n > 1)
  

• 去重处理：如果重复是数据错误（如重复导出），保留唯一记录

  waterholescas_clean <- waterholescas %>% 
    distinct(animal_id, Timestamp, Lon, Lat, .keep_all = TRUE)
  casdatacov_clean <- casdatacov %>% 
    distinct(animal_id, Timestamp, Lon, Lat, .keep_all = TRUE)
  

• 允许多对多合并：如果多对多是合理场景（如同一时间点同一位置有多个环境观测），合并时声明关系

  combined_datacas <- left_join(
    waterholescas, casdatacov,
    by=c("Lat", "Lon", "Timestamp", "animal_id"),
    relationship = "many-to-many"
  )
  

2. 排查NA值来源 #

即使匹配列表面一致，也可能存在隐性差异：

• 校验数据类型：确保匹配列类型完全一致，比如Timestamp必须为POSIXct时间格式，Lon/Lat为数值型

  str(waterholescas)
  str(casdatacov)
  # 若Timestamp是字符型，转换为时间格式
  waterholescas <- waterholescas %>% mutate(Timestamp = as.POSIXct(Timestamp))
  casdatacov <- casdatacov %>% mutate(Timestamp = as.POSIXct(Timestamp))
  

• 处理浮点精度问题：GPS坐标的微小浮点差异会导致匹配失败，可对坐标进行四舍五入

  waterholescas <- waterholescas %>% mutate(across(c(Lon, Lat), ~round(., 2)))
  casdatacov <- casdatacov %>% mutate(across(c(Lon, Lat), ~round(., 2)))
  

• 清理字符列隐藏空格：animal_id等字符列可能存在前后空格，导致匹配失败

  waterholescas <- waterholescas %>% mutate(animal_id = trimws(animal_id))
  casdatacov <- casdatacov %>% mutate(animal_id = trimws(animal_id))
  

3. 处理图形相关警告 #

前三条警告属于RStudio绘图窗口的异常，和数据合并逻辑无关，解决方法：

• 执行dev.off()清空当前绘图设备
• 重启RStudio，避免绘图缓存问题

内容的提问来源于stack exchange，提问作者Zoe