R语言合并新旧数据框：新数据优先填充缺失值方案求助

方法一：Base R实现 #

步骤说明 #

1. 合并两个DataFrame，保留所有患者ID，并为新旧数据列添加后缀区分
2. 遍历每个特征列，优先使用新数据填充，新数据缺失时用旧数据补充
3. 删除冗余的后缀列，得到最终合并结果

代码实现 #

# 合并数据，添加后缀区分新旧列
merged <- merge(new_database, old_database, by = "patient_id", all = TRUE, suffixes = c(".new", ".old"))

# 获取所有特征列名（排除patient_id）
char_cols <- setdiff(colnames(new_database), "patient_id")

# 遍历特征列，合并新旧数据
for (col in char_cols) {
  # 优先取新数据，新数据为NA时取旧数据
  merged[[col]] <- ifelse(!is.na(merged[[paste0(col, ".new")]]), 
                          merged[[paste0(col, ".new")]], 
                          merged[[paste0(col, ".old")]])
}

# 保留patient_id和合并后的特征列
final_db <- merged[, c("patient_id", char_cols)]

方法二：dplyr + stringr实现（更简洁高效） #

步骤说明 #

1. 使用full_join合并两个DataFrame，添加后缀区分新旧列
2. 使用coalesce函数自动取每个列对的第一个非NA值（即优先新数据）
3. 清理列名并保留所需列

代码实现 #

library(dplyr)
library(stringr)

# 全连接合并数据
merged <- full_join(new_database, old_database, by = "patient_id", suffix = c(".new", ".old"))

# 合并新旧列，保留新数据优先
final_db <- merged %>%
  # 对所有.new后缀的列，用coalesce合并对应的.old列
  mutate(across(ends_with(".new"), 
                ~coalesce(., get(str_replace(cur_column(), ".new", ".old"))),
                .names = "{str_remove(.col, '.new')}")) %>%
  # 选择patient_id和合并后的特征列
  select(patient_id, starts_with("characteristic_"))

验证结果 #

查看最终合并后的final_db，可以看到：

• 仅存在于新数据库的患者（如example_3、example_11）保留全部新数据
• 仅存在于旧数据库的患者（如example_8、example_9）保留全部旧数据
• 共同存在的患者（如example_5）中，新数据缺失的字段（characteristic_3）已用旧数据补充

内容的提问来源于stack exchange，提问作者MSikking