如何合并含共同列的R语言data.frame并获取指定结果？

问题说明 #

需要合并df_stock和df_flux两个data.frame：

• 保留所有行（以df_stock的行为基准）
• 合并所有日期列，共同日期列（如2023-11-01）需用df_flux的值覆盖df_stock对应行的值
• 缺失值用NA填充，最终得到指定的expected_result

原始数据 #

数据定义代码 #

df_stock <- data.frame(
  CODE_S = c("57210390", "33210390"),
  `2023-04-01` = c(1.1, 1.5),
  `2023-11-01` = c(3.1, 4.2),
  check.names = FALSE)

df_flux <- data.frame(
  CODE_S = c("57210390"), 
  `2023-10-01` = c(1.25), 
  `2023-11-01` = c(1.31),
  check.names = FALSE)

expected_result <- data.frame(
  CODE_S = c("57210390", "33210390"),
  `2023-04-01` = c(1.1, 1.5),
  `2023-10-01` = c(1.25,NA),
  `2023-11-01` = c(1.31, 4.2),
  check.names = FALSE)

数据展示 #

> df_stock
    CODE_S 2023-04-01 2023-11-01
1 57210390        1.1        3.1
2 33210390        1.5        4.2

> df_flux
    CODE_S 2023-10-01 2023-11-01
1 57210390       1.25       1.31

> expected_result
    CODE_S 2023-04-01 2023-10-01 2023-11-01
1 57210390        1.1       1.25       1.31
2 33210390        1.5         NA       4.20

解决方案 #

方法1：使用dplyr包（推荐） #

通过left_join合并数据，结合coalesce优先取df_flux的值覆盖共同列：

library(dplyr)

# 按CODE_S合并，保留df_stock所有行
merged_df <- left_join(df_stock, df_flux, by = "CODE_S")

# 处理共同日期列：优先用df_flux的数值，否则保留df_stock的数值
common_date_cols <- setdiff(intersect(names(df_stock), names(df_flux)), "CODE_S")
for(col in common_date_cols) {
  merged_df[[col]] <- coalesce(merged_df[[paste0(col, ".y")]], merged_df[[paste0(col, ".x")]])
  merged_df <- merged_df %>% select(-all_of(paste0(col, c(".x", ".y"))))
}

# 调整列顺序与预期结果一致
merged_df <- merged_df %>% select(CODE_S, sort(names(merged_df)[-1]))

# 查看结果
merged_df

方法2：基础R实现 #

无需额外包，手动合并并处理共同列：

# 合并数据，保留df_stock所有行
merged_df <- merge(df_stock, df_flux, by = "CODE_S", all.x = TRUE)

# 处理共同日期列
common_date_cols <- setdiff(intersect(names(df_stock), names(df_flux)), "CODE_S")
for(col in common_date_cols) {
  merged_df[[col]] <- ifelse(!is.na(merged_df[[paste0(col, ".y")]]), 
                             merged_df[[paste0(col, ".y")]], 
                             merged_df[[paste0(col, ".x")]])
  merged_df <- merged_df[, !names(merged_df) %in% paste0(col, c(".x", ".y"))]
}

# 调整列顺序
col_order <- c("CODE_S", sort(setdiff(names(merged_df), "CODE_S")))
merged_df <- merged_df[, col_order]

# 查看结果
merged_df

两种方法运行后均可得到与expected_result完全一致的输出。

内容的提问来源于stack exchange，提问作者Damien Dotta