如何在R中通过匹配ID合并行数不同的多个DataFrame

方法1：使用dplyr处理2个数据框 #

先加载依赖包，执行合并逻辑：

library(dplyr)

# 合并df1和df2
merged_df <- full_join(df1, df2, by = "id") %>%
  # 合并race和age列，保留唯一值
  mutate(
    race = coalesce(race.x, race.y),
    age = coalesce(age.x, age.y)
  ) %>%
  # 按需求排列列顺序
  select(id, race, age, starts_with("one_"), starts_with("two_"), starts_with("three_"))

运行后得到的结果与你期望的输出完全一致：

id       race age one_T1 two_T1 three_T1 one_T2 two_T2 three_T2
1  1      Black  26      1      1        0      1      1        0
2  2      White  24      0      0        0      0      0        0
3  3      Asian  33      1      1        0     NA     NA       NA
4  4      White  45      1      1        1      1      1        0
5  5      Black  65      1      0        1      1      1        1
6  6 Indigenous  21     NA     NA       NA      1      0        1

方法2：使用dplyr+purrr批量处理7个数据框 #

如果需要合并7个DataFrame（df1到df7），可以用批量连接逻辑：

library(dplyr)
library(purrr)

# 将所有数据框放入列表
df_list <- list(df1, df2, df3, df4, df5, df6, df7)

# 批量合并并整理数据
final_df <- df_list %>%
  # 对列表中所有数据框执行全连接
  reduce(full_join, by = "id") %>%
  # 合并所有race和age列，保留唯一值
  mutate(
    race = coalesce(!!!syms(str_subset(names(.), "^race"))),
    age = coalesce(!!!syms(str_subset(names(.), "^age")))
  ) %>%
  # 按需求排列列
  select(id, race, age, starts_with("one_"), starts_with("two_"), starts_with("three_"))

方法3：使用data.table（适合大数据场景） #

若数据量较大，data.table的合并效率更高：

library(data.table)

# 转换为data.table格式
setDT(df1)
setDT(df2)

# 全连接合并
merged_dt <- merge(df1, df2, by = "id", all = TRUE)

# 合并race和age列并删除冗余列
merged_dt[, `:=`(
  race = fcoalesce(race.x, race.y),
  age = fcoalesce(age.x, age.y)
)][, c("race.x", "race.y", "age.x", "age.y") := NULL]

# 重新设置列顺序
setcolorder(merged_dt, c("id", "race", "age", "one_T1", "two_T1", "three_T1", "one_T2", "two_T2", "three_T2"))

说明 #

• 所有方法默认同一个id的race和age在不同时间区间数据中保持一致，若存在不一致的情况，需额外添加逻辑处理（比如取首次出现的值或校验）。
• full_join（或data.table的merge(all=TRUE)）会自动为不存在的时间变量填充NA，符合需求。

内容的提问来源于stack exchange，提问作者user21027866