合并数据集后生成匹配/未匹配ID标识列的R实现问题

你可以通过判断合并后数据集中来自两个原数据集的列是否为NA，来生成对应的匹配状态标识列，以下是两种实现方式：

基础R实现方式 #

先执行全连接合并，再通过嵌套ifelse判断NA状态生成标识列：

# 执行全连接合并
projects <- merge(projimpl, projects, by = "ProjectID", all = TRUE)

# 添加匹配状态列（需替换为实际来自两个数据集的列名，比如projimpl的独有列或带.x后缀的列，projects的独有列或带.y后缀的列）
projects$match_status <- ifelse(
  # 两个数据集都有对应匹配，即来自projimpl和projects的列都不为NA
  !is.na(projects$某列来自projimpl) & !is.na(projects$某列来自projects),
  "成功匹配的案例",
  ifelse(
    # projimpl中无对应ID，即来自projimpl的列为NA
    is.na(projects$某列来自projimpl),
    "因主数据集（projimpl）中无对应ID未匹配的案例",
    # projects中无对应ID，即来自projects的列为NA
    "因使用数据集（projects）中无对应ID未匹配的案例"
  )
)

dplyr包实现方式（更直观） #

使用dplyr的full_join和case_when函数，逻辑更清晰：

library(dplyr)

# 全连接合并并生成标识列
projects <- projimpl %>%
  full_join(projects, by = "ProjectID") %>%
  mutate(
    match_status = case_when(
      !is.na(某列来自projimpl) & !is.na(某列来自projects) ~ "成功匹配的案例",
      is.na(某列来自projimpl) ~ "因主数据集（projimpl）中无对应ID未匹配的案例",
      is.na(某列来自projects) ~ "因使用数据集（projects）中无对应ID未匹配的案例"
    )
  )

注意事项 #

• 如果两个数据集有重名列，合并后merge或full_join会自动给来自projimpl的列加.x后缀，来自projects的列加.y后缀，比如原列名为Budget，合并后会变成Budget.x（projimpl）和Budget.y（projects），直接用这些带后缀的列判断NA状态即可，无需找独有列。

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