如何在dplyr中实现带范围条件的Left Join？

你需要实现的是带非等值条件的左连接，原生dplyr的left_join仅支持等值连接，直接连接后过滤会丢失左表不满足条件的行（因为未匹配行的右表字段为NA，逻辑判断结果为NA，filter会自动移除这些行）。以下是两种可行的解决方案：

方法1：使用fuzzyjoin包实现非等值左连接 #

fuzzyjoin专门支持非等值连接场景，能直接复现你需要的SQL逻辑：

首先构造示例数据：

library(dplyr)

table1 <- tibble(
  ID = c("x", "x", "x"),
  value = c(1, 5, 10)
)

table2 <- tibble(
  ID = "x",
  ValueL = 3,
  ValueH = 6,
  Tag = 1
)

安装并加载fuzzyjoin后执行连接：

# 首次使用需安装包
# install.packages("fuzzyjoin")
library(fuzzyjoin)

fuzzy_left_join(
  table1,
  table2,
  by = c("ID" = "ID", "value" = "ValueL", "value" = "ValueH"),
  match_fun = list(`==`, `>=`, `<=`)
) %>%
  select(ID = ID.x, value, Tag)

输出结果：

# A tibble: 3 × 3
  ID    value   Tag
  <chr> <dbl> <dbl>
1 x         1    NA
2 x         5     1
3 x        10    NA

参数说明：

• by指定匹配字段，其中value同时对应右表的ValueL和ValueH
• match_fun对应每个字段对的匹配规则，依次为ID等值匹配、value >= ValueL、value <= ValueH

方法2：原生dplyr实现（无需额外包） #

先做等值左连接，再通过条件判断调整Tag字段（不满足范围的设为NA）：

left_join(table1, table2, by = "ID") %>%
  mutate(
    Tag = ifelse(value >= ValueL & value <= ValueH, Tag, NA)
  ) %>%
  select(ID, value, Tag)

此方法同样能得到符合预期的结果，核心是保留左表所有行，仅修改不满足条件的Tag值为NA，而非过滤行。

内容的提问来源于stack exchange，提问作者user1783504