R语言中如何基于参考DataFrame校正另一DataFrame的年龄数据？

需求说明 #

• 参考DataFrame df1 包含姓名（Names）和年龄（Age）列，存储正确的年龄信息
• 目标DataFrame df2 同样包含姓名和年龄列，但姓名顺序不固定，还存在df1中没有的姓名条目
• 需要实现：用df1中匹配姓名的年龄覆盖df2对应行的年龄；df2中未在df1出现的姓名，其年龄标记为unclassified

原有代码的问题 #

你提供的循环代码存在核心逻辑错误：

my_range <- 1:nrow(df2)

for (i in my_range){
     if(df2$Name[i] %in% df1$Name[i]){
       df2$Age[i] <- df1$Age[i]
       } else {
         df2$Age[i] <- "Not Classified"
   }
   }

• 错误点1：df2$Name[i] %in% df1$Name[i]是逐行对比两个DataFrame第i行的姓名，而非检查df2的姓名是否存在于整个df1的姓名列表中
• 错误点2：即使修正判断条件，循环的效率远低于R的向量化操作，且代码冗余

解决方案 #

方法1：Base R 向量化操作 #

利用match()函数快速定位姓名匹配位置，无需循环，不受数据顺序影响：

# 创建测试数据（故意打乱df2的姓名顺序）
df1 <- data.frame(Names = c("Cal", "Ben"), Age = c(12, 35), stringsAsFactors = FALSE)
df2 <- data.frame(Names = c("Ben", "Cal", "Frank"), Age = c(25, 10, 60), stringsAsFactors = FALSE)

# 找到df2每个姓名在df1中的对应索引（无匹配则返回NA）
match_pos <- match(df2$Names, df1$Names)

# 用df1的正确年龄替换df2中匹配的条目
df2$Age[!is.na(match_pos)] <- df1$Age[match_pos[!is.na(match_pos)]]

# 将无匹配的年龄标记为"unclassified"
df2$Age[is.na(match_pos)] <- "unclassified"

# 输出结果
df2

执行后结果：

Names         Age
1   Ben          35
2   Cal          12
3 Frank unclassified

方法2：tidyverse（dplyr）合并法 #

用left_join直观合并数据，逻辑清晰，适合复杂数据清洗场景：

library(dplyr)

# 创建测试数据
df1 <- data.frame(Names = c("Cal", "Ben"), Age = c(12, 35), stringsAsFactors = FALSE)
df2 <- data.frame(Names = c("Ben", "Cal", "Frank"), Age = c(25, 10, 60), stringsAsFactors = FALSE)

# 合并数据并校正年龄
df2_corrected <- df2 %>%
  left_join(df1, by = "Names", suffix = c("_original", "_corrected")) %>%
  mutate(Age = ifelse(!is.na(Age_corrected), as.character(Age_corrected), "unclassified")) %>%
  select(Names, Age)

# 输出结果
df2_corrected

结果与Base R方法完全一致。

内容的提问来源于stack exchange，提问作者Cebo_ SA