如何匹配多列sample_id实现R语言DataFrame连接？

你的问题核心是df2是宽格式（样本号分散在多列），直接用left_join只能指定单一匹配列，没法覆盖所有样本列。解决思路是先把df2转成长格式，让每个样本号对应唯一的subject和house记录，再和df1关联。

具体步骤（用tidyverse实现） #

1. 把df2中所有样本相关列合并成一列，同时保留subject和house信息
2. 过滤掉样本号为NA的无效记录
3. 用处理后的长表和df1做左连接，匹配sample_id

完整代码 #

library(tidyverse)

# 示例数据
df1 <- data.frame(
  sample_id = c(1, 2, 3, 4, 5),
  value = c(4351, 342, 235, 49, 10293))

df2 <- data.frame(
  subject = c("001", "002", "003", "004", "005"),
  house = c("a", "b", "c", "d", "e"),
  sample_a = c(1, 2, NA, 4, 5),
  sample_b = c(NA, 3, NA, NA, NA),
  sample_c = c(NA, NA, NA, NA, NA),
  sample_d = c(NA, NA, NA, NA, NA))

# 处理df2：转长表并过滤无效样本
df2_long <- df2 %>%
  pivot_longer(
    cols = starts_with("sample_"),  # 选中所有以sample_开头的列
    values_to = "sample_id",        # 把所有样本号合并到sample_id列
    values_drop_na = TRUE           # 直接去掉NA的无效行
  ) %>%
  select(-name)  # 删除原样本列名的冗余列

# 关联两个表
df3 <- df1 %>%
  left_join(df2_long, by = "sample_id")

# 查看结果
print(df3)

运行结果 #

输出和预期完全一致：

sample_id value subject house
1         1  4351     001     a
2         2   342     002     b
3         3   235     002     b
4         4    49     004     d
5         5 10293     005     e

补充说明 #

• 如果样本列命名不统一，比如不是都以sample_开头，可以手动指定列名，比如cols = c(sample_a, sample_b, sample_x)
• 若需要保留原样本列的名称（比如记录样本来自哪一列），可以删掉select(-name)这一行，原列名会存在name列中

内容的提问来源于stack exchange，提问作者tlo