如何按规则合并2021与2020年鸟巢箱DataFrame？

首先模拟你的两个数据集（方便复现操作）：

# 2021年鸟巢箱数据
df_2021 <- data.frame(
  box_id = c("bf1", "bf2", "rf1", "bf8", "bf9"),
  habitat.type = c("forest", "grassland", "wetland", NA, NA),
  box.material = c("wooden", "wooden", "plastic", "plastic", NA),
  boxes.per.post = c(1, 2, 1, NA, 3)
)

# 2020年鸟巢箱数据
df_2020 <- data.frame(
  box_id = c("bf1", "bf2", "rf1", "rf3", "rf4", "rf6", "rf7", "bf8", "bf9"),
  habitat.type = c("forest", "forest", "wetland", "desert", "grassland", "urban", "mountain", "farmland", "forest"),
  box.material = c("wooden", "plastic", "plastic", "metal", "wooden", "plastic", "wooden", "plastic", "wooden"),
  boxes.per.post = c(1, 2, 1, 2, 1, 1, 3, 2, 3),
  box.age = c(3, 2, 4, 1, 2, 1, 3, 2, 4),
  land.water = c("land", "land", "water", "land", "land", "land", "land", "land", "land")
)

分步实现需求 #

使用dplyr包完成所有操作，逻辑清晰且贴合需求：

1. 全连接保留所有箱号 #

用full_join基于box_id连接两个数据集，既能保留2021年已有箱号，也能引入2020年独有的rf3、rf4、rf6、rf7：

library(dplyr)

combined_df <- full_join(df_2021, df_2020, by = "box_id", suffix = c("_2021", "_2020"))

2. 处理共享字段：优先保留2021年数据，缺失值用2020年补全 #

对每个共享字段，用coalesce函数优先取2021年的值，仅当2021年为NA时才用2020年的数据填充，同时自动处理字段值冲突（比如bf2的box.material会保留2021年的"wooden"）：

combined_df <- combined_df %>%
  mutate(
    habitat.type = coalesce(habitat.type_2021, habitat.type_2020),
    box.material = coalesce(box.material_2021, box.material_2020),
    boxes.per.post = coalesce(boxes.per.post_2021, boxes.per.post_2020)
  ) %>%
  # 移除临时生成的年份后缀列
  select(-ends_with("_2021"), -ends_with("_2020"))

3. 保留2020年独有列 #

box.age和land.water已经通过全连接带入数据集，无需额外操作，直接保留即可。

最终结果验证 #

执行print(combined_df)会得到符合预期的输出：

box_id habitat.type box.material boxes.per.post box.age land.water
1    bf1        forest       wooden              1       3        land
2    bf2     grassland       wooden              2       2        land
3    rf1       wetland      plastic              1       4       water
4    bf8       farmland      plastic              2       2        land
5    bf9        forest       wooden              3       4        land
6    rf3        desert        metal              2       1        land
7    rf4     grassland       wooden              1       2        land
8    rf6         urban      plastic              1       1        land
9    rf7       mountain       wooden              3       3        land

你之前尝试方法的问题说明 #

• cbind：仅按列拼接，不匹配box_id，会导致数据完全错位，不适用此类关联数据合并。
• left_join：仅保留2021年的箱号，无法引入2020年独有的箱号。
• 默认merge：等同于inner_join，只保留两个数据集共有的箱号，丢失目标数据。
• 未处理冲突的full_join：会生成重复的年份后缀列，无法自动优先保留2021年的数据。

内容的提问来源于stack exchange，提问作者blake.struthers