R语言中优雅合并多组重复列的实现方案

场景说明 #

现有两个数据框，共享多列且重复列无重叠值（同一行中某列有值时，对应重复列的同行值为NA）。合并后生成带.x/.y后缀的重复列，需批量合并这些列，且不能修改原始数据框。

示例数据与合并初始结果：

df1 <- data.frame(id = c(1,2,3,4),
                  Var1 = c(1,2,NA,NA),
                  Var2 = c("a","b",NA,NA))

df2 <- data.frame(id = c(1,2,3,4),
                  Var1 = c(NA,NA,3,4),
                  Var2 = c(NA,NA,"c","d"))

mergedData <- merge(df1, df2, by = "id")

合并后初始输出：

id Var1.x Var1.y Var2.x Var2.y
1  1      1     NA      a   <NA>
2  2      2     NA      b   <NA>
3  3     NA      3   <NA>      c
4  4     NA      4   <NA>      d

已有单组合并函数mergeColumns，但用apply系列函数批量处理失败，现提供Base R批量解决方案。

单组合并函数（用户已实现） #

mergeColumns <- function(df, colToRemove, colToKeep) {
  df[[colToKeep]][is.na(df[[colToKeep]])] <- df[[colToRemove]][is.na(df[[colToKeep]])]
  df[[colToRemove]] <- NULL
  names(df)[names(df) %in% colToKeep] <- gsub(".x|.y", "", names(df)[names(df) %in% colToKeep])
  return(df)
}

批量合并方案 #

方法1：使用Reduce迭代处理 #

# 提取所有需要合并的基础列名（从带.x后缀的列名中去除后缀）
base_cols <- gsub("\\.x$", "", grep("\\.x$", names(mergedData), value = TRUE))

# 用Reduce批量应用mergeColumns函数
merged_final <- Reduce(function(df, col) {
  mergeColumns(df, paste0(col, ".y"), paste0(col, ".x"))
}, base_cols, init = mergedData)

方法2：使用for循环（更直观） #

# 提取基础列名
base_cols <- gsub("\\.x$", "", grep("\\.x$", names(mergedData), value = TRUE))

merged_final <- mergedData
# 遍历每个基础列，调用合并函数
for(col in base_cols) {
  merged_final <- mergeColumns(merged_final, paste0(col, ".y"), paste0(col, ".x"))
}

验证结果 #

执行上述代码后，输出合并后的最终数据框：

print(merged_final)

输出：

id Var1 Var2
1  1    1    a
2  2    2    b
3  3    3    c
4  4    4    d

方案说明 #

• 先通过正则匹配提取所有带.x后缀的列名，去除后缀后得到需要合并的列组（如Var1、Var2）
• 两种方法均基于Base R实现，无需额外依赖包
• 全程仅操作合并后的mergedData，不会修改原始数据框df1和df2

内容的提问来源于stack exchange，提问作者reidj