如何基于来自更大数据集样本的ID变量添加新变量？

你需要的是保留df所有行，同时匹配g中对应ID的SSE值，不匹配的填充NA，这是典型的左连接操作，用以下方法可以实现：

方法一：Base R 的 merge() 函数 #

直接使用merge函数，设置all.x = TRUE来保留左数据框（df）的所有行：

df = data.frame(ID = 1:10, Num = 101:110)
g = data.frame(ID = 1:5, SSE = 1:5)

merge(df, g, by = "ID", all.x = TRUE)

参数说明：

• by = "ID"：指定按ID列进行匹配
• all.x = TRUE：强制保留df的所有观测，匹配不到g中对应行时，SSE列自动填充NA

方法二：dplyr 包的 left_join() 函数 #

如果习惯用tidyverse工具链，dplyr的left_join()更直观，天生就是左连接逻辑：

library(dplyr)

df = data.frame(ID = 1:10, Num = 101:110)
g = data.frame(ID = 1:5, SSE = 1:5)

left_join(df, g, by = "ID")

left_join()默认保留第一个输入数据框（df）的所有行，自动匹配第二个数据框（g）的对应列，不匹配的位置填充NA。

为什么%in%没成功？ #

%in%只是用来判断向量元素是否存在于另一个向量中，返回的是逻辑值，没法直接完成这种"匹配并添加列"的合并操作，需要用专门的合并函数来实现需求。

内容的提问来源于stack exchange，提问作者An116