如何基于年份将df1的Value.1匹配至df2对应年份？

方法一：用left_join（推荐，适配大数据集） #

这是处理按列匹配合并的标准方式，比case_when更简洁高效，尤其适合大规模数据集，完全不用手动操作。

library(dplyr)

df1 <- data.frame(Year = c(2000:2002),
                  Value.1 = c(0:2))

df2 <- data.frame(Year = c(2000,2000,2000,2001,2001,2001,2002,2002,2002),
                  Value.2 = c(1:9))

# 按Year列匹配合并
result_df <- df2 %>% 
  left_join(df1, by = "Year")

print(result_df)

运行后输出：

Year Value.2 Value.1
1 2000       1       0
2 2000       2       0
3 2000       3       0
4 2001       4       1
5 2001       5       1
6 2001       6       1
7 2002       7       2
8 2002       8       2
9 2002       9       2

方法二：用mutate + case_when（符合你的推测方向） #

如果一定要用这个组合实现，需要逐个年份写判断逻辑，适合年份少的场景：

library(dplyr)

result_df <- df2 %>% 
  mutate(Value.1 = case_when(
    Year == 2000 ~ df1$Value.1[df1$Year == 2000],
    Year == 2001 ~ df1$Value.1[df1$Year == 2001],
    Year == 2002 ~ df1$Value.1[df1$Year == 2002],
    TRUE ~ NA_real_ # 处理未匹配到的年份
  ))

print(result_df)

补充说明 #

• left_join会自动批量匹配对应年份的Value.1，不用手动写每个年份的判断，大数据集下性能和可维护性都更好。
• case_when的方式需要逐个年份定义规则，年份多的时候代码会很冗长，不推荐大规模数据集使用。

内容的提问来源于stack exchange，提问作者nope0540