R语言left_join合并数据框时国家名称不匹配致NA的解决办法

以下是几种实用的解决方案，根据你的数据规模和匹配需求选择：

1. 手动创建映射表（适合少量不匹配场景） #

先定位出所有无法匹配的国家名称，再手动建立统一的名称映射：

# 找出左表中未匹配到右表的国家
unmatched <- anti_join(df_left, df_right, by = "country name") %>%
  select("country name") %>%
  distinct()

# 创建名称映射表，把不一致的拼写对应到统一格式
name_map <- tibble(
  old_name = c("Congo, DR.", "USA", "UK"),
  new_name = c("Democratic Republic of the Congo", "United States", "United Kingdom")
)

# 替换左表中的旧名称
df_left_standard <- df_left %>%
  left_join(name_map, by = c("country name" = "old_name")) %>%
  mutate(
    "country name" = ifelse(!is.na(new_name), new_name, `country name`)
  ) %>%
  select(-new_name)

# 用标准化后的表执行连接
final_df <- left_join(df_left_standard, df_right, by = "country name")

2. 用countrycode包标准化国家名称（推荐） #

这个包能自动识别各种格式的国家名称，转换成统一标准（全称、ISO代码等）：

# 安装并加载包
install.packages("countrycode")
library(countrycode)

# 对两个数据集的国家名称做标准化转换
df_left <- df_left %>%
  mutate(standard_country = countrycode(`country name`, 
                                        origin = "country.name", 
                                        destination = "country.name"))

df_right <- df_right %>%
  mutate(standard_country = countrycode(`country name`, 
                                        origin = "country.name", 
                                        destination = "country.name"))

# 用标准化后的字段执行连接
final_df <- left_join(df_left, df_right, by = "standard_country")

如果遇到识别失败的名称，可以手动补充映射，或调整origin参数（比如传入ISO代码格式）。

3. 模糊匹配（适合大量不匹配场景） #

用fuzzyjoin包基于字符串相似度自动匹配，适合不确定所有不匹配情况的场景：

# 安装并加载包
install.packages("fuzzyjoin")
library(fuzzyjoin)

# 基于Jaro-Winkler算法做模糊左连接，调整max_dist控制匹配严格度
final_df <- stringdist_left_join(
  df_left, df_right,
  by = "country name",
  max_dist = 3,  # 距离越小匹配越严格，可按需调整
  method = "jw"
)

注意：模糊匹配可能出现错误匹配，完成后需要手动检查结果，过滤掉不合理的匹配项。

内容的提问来源于stack exchange，提问作者LLGG