如何正确使用dplyr合并行共享值至新列并基于共享值合并两表

如果你的数据存在分组共享值（比如同一类别下的多行数据），可以通过group_by()配合字符串拼接函数实现合并，无需使用which()：

示例数据：

library(dplyr)
library(stringr)

df <- tibble(
  group_id = c(1,1,2,2,3),
  item = c("apple", "banana", "orange", "grape", "mango")
)

• 保留所有行，同时新增合并列：

df %>%
  group_by(group_id) %>%
  mutate(combined_items = str_c(item, collapse = ", ")) %>%
  ungroup()

• 仅保留每组一行的合并结果：

df %>%
  group_by(group_id) %>%
  summarize(combined_items = str_c(item, collapse = ", ")) %>%
  ungroup()

dplyr提供了专门的连接函数，直接指定共享列即可完成合并，比which()更高效直观：

示例数据：

df1 <- tibble(
  user_id = c(1,2,3),
  name = c("Alice", "Bob", "Charlie")
)

df2 <- tibble(
  user_id = c(2,3,4),
  score = c(85, 92, 78)
)

常用连接方式：

• 内连接：仅保留两表都存在共享值的行

inner_join(df1, df2, by = "user_id")

• 左连接：保留左表所有行，匹配右表对应数据

left_join(df1, df2, by = "user_id")

• 全连接：保留两表所有行，缺失值补NA

full_join(df1, df2, by = "user_id")

若两表共享列名不同，可指定对应关系：

left_join(df1, df2, by = c("id" = "user_id"))

内容的提问来源于stack exchange，提问作者Duston Gladfelter