在R中执行left_join时如何排除匹配列，保留原有列？

针对你的需求——将y中x没有的列合并到x，同时保留x已转换的B列，这里提供几种优雅的实现方式：

核心思路 #

因为两个数据集的year列值完全一致，我们只需要基于year进行连接，同时避免将y中与x重复的列（即B）带入连接结果，这样就能直接得到包含year、A、x的B列、C的最终数据框。

方法1：手动指定y中需要保留的列 #

直接在连接前筛选y的year和目标列C，这样连接时不会带入y的B列，自然不会产生冲突：

library(dplyr)

# 原始数据（设置seed保证结果可复现）
set.seed(123)
A<-sample(1:100, 10)
B<-sample(1:100, 10)
C<-sample(1:100, 10)
year<-sample(1000:2000,10)

x<-tibble(year,A,B)%>%
  mutate(B=B*12)
y<-tibble(year,B,C)

# 执行连接
result <- x %>%
  left_join(y %>% select(year, C), by = "year")

方法2：自动筛选y中独有的列 #

如果y的列很多，不想手动列举目标列，可以用-any_of(names(x))自动排除x中已有的列，只保留y独有的列再连接：

result <- x %>%
  left_join(y %>% select(year, -any_of(names(x))), by = "year")

这里any_of(names(x))会匹配x的所有列名，-符号表示排除这些列，剩下的就是y中x没有的列（此处为C）。

方法3：行顺序一致时的简化写法 #

如果x和y的行顺序完全对应（因为year值一致，通常行顺序也会匹配），可以直接用bind_cols绑定列，省去连接步骤：

result <- bind_cols(x, y %>% select(-year, -any_of(names(x))))

为什么coalesce不适用？ #

coalesce()的作用是按列取第一个非NA值，而你的场景中x和y的B列都有有效数据，且值不同，它无法帮你保留x的B列，反而会按位置取值，不符合需求。

内容的提问来源于stack exchange，提问作者Gilrob