如何合并两个数据框，替换缺失值且不引入NA与重复列？

你遇到的核心问题是：left_join只是按匹配键拼接两个数据框，不会自动把原数据的NA替换成补全数据的值，反而会因为同名变量生成带.x和.y的重复列。不用找什么隐藏参数，直接在合并后用coalesce函数处理就行，步骤如下：

1. 先确认匹配键的一致性 #

先检查year、location、spread_event这三个匹配键在两个数据框里的类型和内容完全一致，比如有没有一个是字符型、一个是数值型，或者字符串带空格，这些都会导致匹配失败出现NA。

2. 合并+替换缺失值的代码 #

用dplyr的函数链一步完成，既合并又替换NA，还清理重复列：

首先加载包：

library(dplyr)

针对少量补全变量的情况 #

假设你要补全的变量是var1、var2，直接写：

dat_nc <- left_join(dat_NC, dat_missing, by = c("year", "location", "spread_event")) %>%
  # 用补全数据的值替换原数据的NA
  mutate(
    var1 = coalesce(var1.x, var1.y),
    var2 = coalesce(var2.x, var2.y)
  ) %>%
  # 删除带.x和.y的重复列
  select(-ends_with(".x"), -ends_with(".y"))

针对大量补全变量的情况 #

如果补全变量很多，不用一个个写，自动批量处理：

# 获取所有需要补全的变量名（排除匹配键）
fill_vars <- setdiff(names(dat_missing), c("year", "location", "spread_event"))

dat_nc <- left_join(dat_NC, dat_missing, by = c("year", "location", "spread_event")) %>%
  mutate(across(
    all_of(fill_vars),
    ~ coalesce(!!sym(paste0(cur_column(), ".x")), !!sym(paste0(cur_column(), ".y")))
  )) %>%
  select(-ends_with(".x"), -ends_with(".y"))

原理说明 #

• coalesce(a, b)会返回第一个非NA的值，刚好满足用补全数据替换原数据NA的需求
• left_join保留原数据的所有行，再匹配补全数据的对应行，避免丢失原数据的其他信息

内容的提问来源于stack exchange，提问作者Ahsk