使用R合并多个非平衡面板数据框：避免重复列并添加年份变量

我完全懂你遇到的麻烦——用merge()来合并多个年度的员工观测数据，结果生出一堆.x、.y后缀的重复列，不仅看着乱，后续处理也麻烦。针对这种同列结构、不同观测数的非平衡面板数据，最合理的做法是先给每个年度数据打上年份标签，再纵向绑定，这样既能保留原有列结构，又能清晰区分各年份的观测。

具体步骤如下： #

1. 给每个年度数据框添加年份标识

先给单个数据框手动添加年份，比如你的示例数据：

# 给2023年的数据加年份列
emp.data$year <- 2023
# 给2024年的数据加年份列
emp.data2$year <- 2024

如果是10个年度的数据，手动一个个加太麻烦，推荐把所有数据框放进列表，用循环或purrr包批量处理（后面会讲）。

2. 纵向绑定所有数据框

这里推荐用dplyr的bind_rows()函数，它比基础R的rbind()更灵活，哪怕个别数据框列名有小差异也能自动补NA（不过你说各年份列相同，完全适配）。

处理少量数据框（比如2个）：

library(dplyr)
# 直接绑定两个带年份的数据框
combined_panel <- bind_rows(emp.data, emp.data2)

处理10个数据框（高效批量处理）：

假设你的10个年度数据框命名为emp_data_2015、emp_data_2016...emp_data_2024，先把它们放进一个命名列表（列表名就是年份），再批量加年份并绑定：

# 把所有年度数据框放进列表，名字对应年份
data_list <- list(
  "2015" = emp_data_2015,
  "2016" = emp_data_2016,
  "2017" = emp_data_2017,
  "2018" = emp_data_2018,
  "2019" = emp_data_2019,
  "2020" = emp_data_2020,
  "2021" = emp_data_2021,
  "2022" = emp_data_2022,
  "2023" = emp_data_2023,
  "2024" = emp_data_2024
)

# 用purrr的imap批量给每个数据框加年份，再绑定
library(purrr)
combined_panel <- data_list %>%
  imap(~ mutate(.x, year = as.integer(.y))) %>%  # .y是列表的名字（年份），转成整数
  bind_rows()

3. 验证合并结果

合并后的数据是长格式面板数据，每个行代表一个员工某一年的观测，year列区分年份，原有列（emp_id、emp_name、salary等）完全保留，不会有重复列：

# 查看数据结构
str(combined_panel)

# 按员工ID分组，查看不同年份的观测
combined_panel %>% 
  group_by(emp_id) %>% 
  arrange(year) %>% 
  print(n = Inf)

为什么这个方法比merge()好？ #

你的数据是典型的面板数据：每个数据框是同一年的截面观测，纵向合并（行绑定）才是符合面板数据存储逻辑的方式。而merge()是横向合并，适合一对一/一对多的匹配场景，用在这儿相当于用错了工具，自然会生出冗余的重复列。

内容的提问来源于stack exchange，提问作者Weierstraß Ramirez