如何基于源数据集的疾病代码匹配填充新数据集的疾病名称？

你原来的代码存在几个明显问题：

• 逻辑判断用了赋值符号=，正确的逻辑相等判断应该用==
• 错误引用了不存在的de$DESCRIPTION，实际应该调用源数据的df$colB
• 直接跨数据集使用case_when会因为行数不匹配导致错误，这种场景不适合用case_when做匹配

针对你的需求，这里提供两种高效可行的解决方案：

方案一：使用dplyr的连接操作（推荐） #

通过左连接匹配疾病名称，再填充空值，保留已有正确值：

library(dplyr)

df1 <- df1 %>%
  # 左连接源数据，匹配col1对应的colB
  left_join(df, by = "col1", suffix = c("", "_from_df")) %>%
  # 填充col2的空值，已有值保持不变
  mutate(col2 = ifelse(col2 == "", colB, col2)) %>%
  # 删除临时生成的colB列
  select(-colB)

方案二：使用match函数直接定位填充 #

如果不想使用连接操作，可通过match找到对应位置直接赋值：

# 找到df1中每个col1在df的col1里的位置索引
match_indices <- match(df1$col1, df$col1)
# 仅填充col2为空的行
df1$col2[df1$col2 == ""] <- df$colB[match_indices][df1$col2 == ""]

两种方法都能轻松处理400+条记录的数据集，不会有性能问题。

内容的提问来源于stack exchange，提问作者Dogesh