plyr::join_all多数据框连接失效：结果行数不符预期求助

需要基于STAND、COMPANY、SPACING、SPECIES、AGE和STATS这6个字段，将多个数据框（示例为bands_F和NDVI_F，实际共11个）合并，预期结果行数与原数据一致（2432行），但使用plyr::join_all时生成了33808行的笛卡尔积，不符合预期。

示例代码及问题复现：

library(tidyverse)

# 读取数据
bands_F <- read.csv("https://raw.githubusercontent.com/Leprechault/trash/main/bands.csv")
NDVI_F <- read.csv("https://raw.githubusercontent.com/Leprechault/trash/main/ndvi.csv")

# 错误的连接方式
DS_F_1 <- plyr::join_all(list(bands_F,NDVI_F))
str(DS_F_1)
# 'data.frame': 33808 obs. of  11 variables:
#  （省略冗余输出内容）

方法1：修正plyr::join_all的参数 #

join_all默认自动识别共同列作为连接键，但必须手动指定明确的连接键列表，同时指定连接类型避免笛卡尔积：

# 定义统一的连接键
join_keys <- c("STAND","COMPANY","SPACING","SPECIES","AGE","STATS")

# 正确执行多数据框连接（实际场景替换为包含11个数据框的列表）
DS_correct <- plyr::join_all(
  list(bands_F, NDVI_F),
  by = join_keys,
  type = "inner" # 按需选择inner/left，inner仅保留匹配行，确保行数符合预期
)

str(DS_correct)
# 'data.frame': 2432 obs. of  11 variables:
#  （输出符合预期）

方法2：使用dplyr+reduce批量连接 #

针对多数据框场景，用purrr::reduce结合dplyr的连接函数是更现代的方案：

library(purrr)

# 构建数据框列表（实际场景替换为11个数据框的集合）
df_list <- list(bands_F, NDVI_F)

# 批量执行内连接
DS_dplyr <- df_list %>%
  reduce(inner_join, by = join_keys)

str(DS_dplyr)
# 'data.frame': 2432 obs. of  11 variables:
#  （输出符合预期）

关键前置检查：确保连接键组合唯一 #

笛卡尔积的核心原因是某个数据框存在重复的连接键组合，可提前验证：

# 检查bands_F的连接键是否唯一
bands_F %>% 
  count(STAND, COMPANY, SPACING, SPECIES, AGE, STATS) %>% 
  filter(n > 1)

# 检查NDVI_F的连接键是否唯一
NDVI_F %>% 
  count(STAND, COMPANY, SPACING, SPECIES, AGE, STATS) %>% 
  filter(n > 1)

若输出非空，说明存在重复键组合，需先去重或处理重复数据，再执行连接。

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