如何基于ID变量合并更新数据框？rows_update重复ID报错求助

一、实现df与g的合并更新 #

需要将g中的Num值覆盖df中对应ID的原有值，同时保留df中未匹配到的行，可通过以下两种方法实现：

方法1：使用dplyr的rows_update() #

rows_update()会根据指定键列（此处为ID），用y数据框的值更新x数据框的对应行，且保留x的全部行：

library(dplyr)

df = data.frame(ID = 1:10, Num = 101:110)
g = data.frame(ID = 2:6, Num = 112:116)

# 执行更新操作
df_updated <- rows_update(df, g, by = "ID")
print(df_updated)

运行后即可得到目标数据框。

方法2：Base R原生实现 #

无需加载额外包，直接通过ID匹配完成替换：

df = data.frame(ID = 1:10, Num = 101:110)
g = data.frame(ID = 2:6, Num = 112:116)

# 匹配df与g的ID位置
match_idx <- match(g$ID, df$ID)
# 替换对应位置的Num值
df$Num[match_idx] <- g$Num
print(df)

二、解决rows_update()的重复键报错 #

报错原因是rows_update()要求用于匹配的键列（ID）在y数据框（g1）中必须是唯一值，但g1中的ID存在重复。根据不同场景，可采用以下解决方法：

场景1：重复行的更新值一致（如示例中g1的Num均为16） #

先对g1去重，保留唯一的ID-值组合后再执行更新：

library(dplyr)

df1 = data.frame(ID = c(1,rep(2,5),7:10), Num = c(111,rep(15,5),112:115))
g1 = data.frame(ID = rep(2,5), Num = rep(16,5))

# 对g1去重，保留唯一ID对应的数值
g1_unique <- distinct(g1, ID, .keep_all = TRUE)
# 执行更新
df1_updated <- rows_update(df1, g1_unique, by = "ID")
print(df1_updated)

执行后df1中所有ID为2的行，Num都会被更新为16。

场景2：重复行的更新值不一致 #

如果g1中同一ID对应不同Num值，需先确定更新规则（如取均值、最大值等），处理后再更新：

library(dplyr)

# 模拟g1中同一ID对应不同Num值的情况
g1 = data.frame(ID = rep(2,5), Num = c(16,17,18,19,20))
# 按ID分组，取Num的均值作为更新值（可替换为max/min等规则）
g1_processed <- g1 %>% 
  group_by(ID) %>% 
  summarise(Num = mean(Num), .groups = "drop")
# 执行更新
df1_updated <- rows_update(df1, g1_processed, by = "ID")
print(df1_updated)

替代方案：left_join() + coalesce() #

若不想处理重复键，可通过关联后替换的方式实现，适配存在重复键的场景：

library(dplyr)

df1_updated <- df1 %>%
  left_join(g1, by = "ID", suffix = c("", "_new")) %>%
  mutate(Num = coalesce(Num_new, Num)) %>%
  select(-Num_new)
print(df1_updated)

该方法会自动用g1中最后匹配到的Num值替换df1中的对应行。

内容的提问来源于stack exchange，提问作者An116