基于共有ID合并含重复项数据框：dplyr left_join未达预期

首先重现你的数据框：

# 创建data1
data1 <- data.frame(
  "样本编号（Sample）" = c(1,2,3,4,5),
  "基因（Gene）" = c("gene_1", "gene_1", "gene_2", "gene_3", "gene_3"),
  stringsAsFactors = FALSE
)

# 创建data2
data2 <- data.frame(
  "基因（Gene）" = c("gene_1", "gene_2", "gene_3"),
  "功能（Function）" = c("function_1", "function_2", "function_3"),
  "代谢通路（Metabolism）" = c("meta_1", "meta_2", "meta_3"),
  stringsAsFactors = FALSE
)

你用left_join(data1, data2, by = "Gene")未得到正确结果，核心问题是合并列名不匹配：你的数据框实际列名是基因（Gene），而非Gene，left_join找不到匹配列，导致合并失败。

正确解决方法 #

方法1：使用实际列名直接合并 #

library(dplyr)

output <- left_join(data1, data2, by = "基因（Gene）")
print(output)

运行后得到期望输出：

方法2：先重命名列名简化操作 #

如果觉得中文列名使用麻烦，可以先重命名列：

# 重命名列名
data1 <- data1 %>% rename(Sample = `样本编号（Sample）`, Gene = `基因（Gene）`)
data2 <- data2 %>% rename(Gene = `基因（Gene）`, Function = `功能（Function）`, Metabolism = `代谢通路（Metabolism）`)

# 执行合并
output <- left_join(data1, data2, by = "Gene")

内容的提问来源于stack exchange，提问作者Daniele