如何在R中提取df1新增行并延续df2的record_id编号

我们可以用tidyverse工具包高效处理这个需求，步骤清晰且适配大数据量场景：

步骤1：加载依赖包 #

library(tidyverse)

步骤2：提取df1独有的行并生成新record_id #

# 获取df2的最大record_id
max_record <- max(df2$record_id)

# 找出df1中存在、但df2中不存在的行（以protocol_no和sequence_number为匹配键）
new_rows <- df1 %>%
  anti_join(df2, by = c("protocol_no", "sequence_number")) %>%
  # 生成连续的record_id，从max_record+1开始递推
  mutate(record_id = max_record + row_number(),
         # 补充df2中存在的其他列，示例默认设为0，可根据实际业务调整
         form_1_complete = 0) %>%
  # 调整列顺序，和df2保持一致
  select(record_id, protocol_no, sequence_number, form_1_complete)

验证结果 #

运行上述代码后，new_rows即为目标新增行：

new_rows
#> # A tibble: 1 × 4
#>   record_id protocol_no sequence_number form_1_complete
#>       <dbl> <chr>       <chr>                      <dbl>
#> 1        17 study6      5021                           0

如果需要将新增行合并到原df2中，直接执行bind_rows(df2, new_rows)即可。

注意事项 #

• 若df2包含更多其他列，只需在mutate环节补充对应列的默认值
• anti_join在27000+行的数据集上性能表现稳定
• 确保protocol_no和sequence_number的类型一致（示例中均为字符型，若实际为数值型无需额外转换）

内容的提问来源于stack exchange，提问作者Joe Crozier