如何用两个DataFrame的匹配数据填充目标DataFrame的SIC列且不覆盖

基础R实现 #

先通过df2为df1填充SIC列，之后仅针对未匹配成功（值为NA）的行，用df3进行补全，彻底避免覆盖已匹配的结果：

# 第一步：从df2匹配填充SIC
df1$SIC <- df2$SIC[match(df1$`Descr.Activity`, df2$Descr)]

# 第二步：仅处理SIC为NA的行，用df3补全
na_rows <- is.na(df1$SIC)
df1$SIC[na_rows] <- df3$SIC[match(df1$`Descr.Activity`[na_rows], df3$Descr)]

dplyr（tidyverse）简洁实现 #

如果习惯使用tidyverse工具链，可以通过两次左连接结合coalesce函数自动优先保留df2的匹配结果，再补充df3的内容：

library(dplyr)

df1 <- df1 %>%
  # 关联df2获取对应SIC
  left_join(df2, by = c("Descr.Activity" = "Descr")) %>%
  # 关联df3获取另一组SIC，临时命名为SIC_df3
  left_join(df3, by = c("Descr.Activity" = "Descr"), suffix = c("", "_df3")) %>%
  # 优先保留df2的SIC，无匹配时用df3的结果
  mutate(SIC = coalesce(SIC, SIC_df3)) %>%
  # 移除临时生成的辅助列
  select(-SIC_df3)

方法说明 #

• 基础R方案通过精准筛选未匹配的行，仅对这部分内容进行二次匹配，完全不会覆盖已从df2获取的有效数据；
• dplyr方案利用coalesce函数自动选取第一个非NA值的特性，天然优先保留df2的匹配结果，再补充df3的内容；
• 两种方案均无需合并df2和df3，完全满足需求。

内容的提问来源于stack exchange，提问作者alec22