在RStudio中按ID与年份合并多份数据框遇问题求助

首先明确两种常见的合并需求，对应不同的实现方式，先排查你用merge()未达预期的可能原因：merge()默认是横向匹配ID合并，如果你的需求是把各年份数据行堆叠，那用错了工具；如果是横向合并，可能是没处理列名重复、没设置全连接参数。

需求1：纵向堆叠所有年份数据（行合并） #

把各年份数据的行全部放在一起，新增year列区分不同年份，适合做时间序列分析。

用dplyr实现（推荐，语法直观） #

library(dplyr)

# 先给每个数据框添加年份标识列
df_2020 <- df_2020 %>% mutate(year = 2020)
df_2021 <- df_2021 %>% mutate(year = 2021)
df_2022 <- df_2022 %>% mutate(year = 2022)

# 批量合并所有数据框
combined_df <- bind_rows(df_2020, df_2021, df_2022)

用data.table实现（效率更高，适合大数据） #

library(data.table)

# 把数据框放入列表，自动添加年份列（idcol参数）
df_list <- list(df_2020, df_2021, df_2022)
combined_df <- rbindlist(df_list, idcol = "year")

# 将默认的1/2/3替换为实际年份
combined_df$year <- c(2020, 2021, 2022)[combined_df$year]

需求2：横向合并同ID数据（列合并） #

把同一个ID的不同年份数据放在同一行，列名加上年份后缀，适合对比同一ID的年度数据。

用base R的Reduce+merge实现 #

# 把所有数据框放入命名列表（名字为年份）
df_list <- list(df_2020 = df_2020, df_2021 = df_2021, df_2022 = df_2022)

# 批量给非ID列添加年份后缀，避免列名冲突
df_list <- lapply(names(df_list), function(year) {
  current_df <- df_list[[year]]
  # 重命名除ID外的所有列
  colnames(current_df)[colnames(current_df) != "ID"] <- paste0(colnames(current_df)[colnames(current_df) != "ID"], "_", year)
  current_df
})

# 递归合并所有数据框，保留所有ID（all=TRUE）
combined_df <- Reduce(function(x, y) merge(x, y, by = "ID", all = TRUE), df_list)

用dplyr链式合并实现 #

library(dplyr)

combined_df <- df_2020 %>%
  # 合并2021年数据，并重命名非ID列
  left_join(df_2021 %>% rename_with(~paste0(., "_2021"), -ID), by = "ID") %>%
  # 继续合并2022年数据
  left_join(df_2022 %>% rename_with(~paste0(., "_2022"), -ID), by = "ID")

你用merge()失败的常见原因 #

1. 需求匹配错误：如果需要纵向堆叠却用了merge()，自然得不到预期结果；
2. 列名冲突未处理：多份数据框列名完全一致（除ID），合并后会自动添加.x/.y后缀，导致结构混乱；
3. 连接类型不对：merge()默认是内连接（all=FALSE），只会保留所有数据框都存在的ID，需要保留全部ID要设置all=TRUE。

内容的提问来源于stack exchange，提问作者aspira_22