如何合并含不同键列的三个数据集，合并公共列且不丢失信息？

数据集定义 #

df_large <- data.frame(letters = letters[1:5],
                       numbers = 1:5,
                       client = c("client1", "client2", "client3", "client4", "client4"),
                       other = c("other1", "other2", "other1", "other4", "other4")
                       )

df2 <- data.frame(numbers = 1:3,
                  info = c("info1", "info2", "info3"),
                  invoice = c(100, 150, 200))

df3 <- data.frame(letters = letters[4:5],
                  info = c("info4", "info5"),
                  product = c("phone", "laptop"))

问题场景 #

需要用df2（关联键为numbers）和df3（关联键为letters）补充df_large的信息，两个补充数据集都包含info列，期望合并后info列保留为一列且所有信息完整。但使用分步left_join时，info列会被拆分为info.x和info.y，且部分信息缺失。

解决方案 #

方法1：先合并补充数据集，再关联主数据集 #

先将两个补充数据集合并，提前处理info列的冲突，再和主数据集关联：

library(dplyr)

# 合并两个补充数据集，用coalesce取非空的info值
supplement <- full_join(df2, df3, by = character()) %>%
  mutate(info = coalesce(info.x, info.y)) %>%
  select(-info.x, -info.y)

# 关联主数据集
final_df <- df_large %>%
  left_join(supplement, by = c("numbers", "letters"))

• full_join(..., by = character())生成两个补充数据集的笛卡尔积，确保所有匹配关系都被覆盖
• coalesce(info.x, info.y)会优先取info.x的值，若为空则取info.y，完美保留所有info信息
• 最后删除拆分的临时列，再和主数据集按对应键关联

方法2：分步合并后合并info列 #

如果更习惯分步关联，可以在两次left_join后，用coalesce合并拆分的info列：

library(dplyr)

# 分步关联
temp_df <- df_large %>%
  left_join(df2, by = "numbers") %>%
  left_join(df3, by = "letters")

# 合并info列并清理临时列
final_df <- temp_df %>%
  mutate(info = coalesce(info.x, info.y)) %>%
  select(-info.x, -info.y)

这种方式更直观，适合理解分步关联的逻辑，最后用coalesce整合info列即可。

方法3：使用data.table实现（可选） #

如果使用data.table包，也可以高效完成这个需求：

library(data.table)

# 转换为data.table格式
setDT(df_large)
setDT(df2)
setDT(df3)

# 分步关联后合并info列
result <- df_large[df2, on = "numbers"][df3, on = "letters"]
result[, info := fcoalesce(info, i.info)][, i.info := NULL]

fcoalesce是data.table版本的非空值选取函数，逻辑和dplyr的coalesce一致。

内容的提问来源于stack exchange，提问作者Javi