如何基于分类映射关系合并ID不匹配的两个R语言DataFrame

你遇到的是典型的跨DataFrame按业务分类字段匹配关联的需求，其实不用纠结两个表的ID不匹配，只要明确指定用来匹配的字段就行，下面给你两种常用的解决方案：

方法一：Base R的merge()函数 #

直接使用base R自带的merge()函数，通过by.x和by.y参数分别指定两个表中用来匹配的字段，同时用all.x=TRUE确保保留df1的所有行（避免匹配不上的行被丢弃）：

set.seed(15)
df1 <- data.frame(c(1:20), c(floor(runif(20, min=1, max=6))))
df1 <- setNames(df1, c("ID", "classif"))
df2 <- data.frame(c(1:6), c(floor(runif(6, min=1, max=3))))
df2 <- setNames(df2, c("ID_classif", "classif2"))

# 执行合并
df3 <- merge(df1, df2, by.x = "classif", by.y = "ID_classif", all.x = TRUE)
# 调整列顺序（可选，让ID回到第一列）
df3 <- df3[, c("ID", "classif", "classif2")]

# 查看前10行
head(df3, 10)

运行后得到的结果和你期望的一致：

ID classif classif2
1   2       1        1
2   5       2        2
3   8       2        2
4   1       4        3
5   4       4        3
6   9       4        3
7   3       5        3
8   6       5        3
9   7       5        3
10 10       5        3

方法二：tidyverse的left_join()函数 #

如果你习惯用tidyverse生态的工具，dplyr包的left_join()会更直观，通过by参数直接映射两个表的匹配字段：

library(dplyr)

set.seed(15)
df1 <- data.frame(c(1:20), c(floor(runif(20, min=1, max=6)))) %>% 
  setNames(c("ID", "classif"))
df2 <- data.frame(c(1:6), c(floor(runif(6, min=1, max=3)))) %>% 
  setNames(c("ID_classif", "classif2"))

# 执行左连接
df3 <- df1 %>% 
  left_join(df2, by = c("classif" = "ID_classif"))

# 查看前10行
head(df3, 10)

这个方法的结果和base R的完全一致，而且代码更简洁易读，适合处理复杂的数据清洗流程。

关键说明 #

• 两种方法都是左连接（保留左表df1的所有记录），如果某个classif值在df2的ID_classif里不存在，对应的classif2会显示为NA，这符合常规的业务需求。
• 不需要关注两个表的ID字段，因为我们根本不用它们来做匹配，只需要聚焦在classif和ID_classif这一对业务关联字段上。

内容的提问来源于stack exchange，提问作者ePoQ