如何基于Country和Year合并格式不同的两个DataFrame？

步骤1：将宽格式降雨数据转为长格式 #

用tidyr::pivot_longer()把年份列转为单独的Year字段，同时提取对应降雨量值：

library(tidyverse)

# 模拟宽格式降雨数据示例（替换成你的实际数据）
rain_wide <- tibble(
  Country = c("China", "USA", "India"),
  `2020` = c(800, 750, 900),
  `2021` = c(850, 780, 920),
  `2022` = c(820, 760, 890)
)

# 转长格式
rain_long <- rain_wide %>%
  pivot_longer(
    cols = -Country,  # 选中除Country外的所有年份列
    names_to = "Year", # 把列名转为Year字段
    values_to = "Rainfall", # 把列值转为Rainfall字段
    names_transform = list(Year = as.numeric) # 将Year转为数值型，匹配温度数据的类型
  )

步骤2：合并两个长格式数据集 #

用dplyr::left_join()（保留所有温度数据行）或inner_join()（仅保留双方共有的Country+Year组合），按Country和Year匹配：

# 模拟长格式温度数据示例（替换成你的实际数据）
temp_long <- tibble(
  Country = c("China", "China", "USA", "USA", "India", "India"),
  Year = c(2020, 2021, 2020, 2021, 2020, 2022),
  Temperature = c(15.2, 15.8, 13.5, 14.1, 25.3, 25.7)
)

# 合并数据集
combined_data <- temp_long %>%
  left_join(rain_long, by = c("Country", "Year"))

补充说明 #

• 如果降雨数据的年份列名带前缀（如YR_2020），可以用readr::parse_number()提取年份数值：names_transform = list(Year = readr::parse_number)
• 合并类型选择：
  • left_join：保留温度数据的所有行，降雨数据匹配不上的位置显示NA
  • inner_join：仅保留两个数据集都存在的Country+Year组合
  • full_join：保留两个数据集的所有行，匹配不上的位置显示NA

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