如何在R的left_join中使用处理后的列实现左连接？

需求说明 #

需要对数据框Savings_YC和WAP_FULL执行左连接，连接条件为：

• Client字段完全匹配
• Savings_YC的CompanyCode字段取前4位，与WAP_FULL的CompanyCode匹配
• Material、STOCK_UOM字段完全匹配

对应的SQL逻辑如下：

SELECT * FROM Savings_YC syc
    LEFT JOIN WAP_FULL w ON syc.Client = w.Client 
    AND LEFT(syc.CompanyCode, 4) = w.CompanyCode 
    AND syc.Material = w.Material 
    AND syc.STOCK_UOM = w.STOCK_UOM

错误尝试代码 #

用户尝试直接在left_join的by参数中使用substr函数，导致报错：

Savings_YC <- Savings_YC %>% 
  left_join(WAP_FULL, by = c("Client", substr("Savings_YC.CompanyCode",1,4) = "WAP_FULL.CompanyCode", "Material", "STOCK_UOM"))

正确实现方式 #

方法1：先创建截取后的临时字段再连接 #

这种方式逻辑直观，便于排查问题：

# 给Savings_YC添加截取前4位的CompanyCode临时字段
Savings_YC_processed <- Savings_YC %>%
  mutate(CompanyCode_4 = substr(CompanyCode, 1, 4))

# 执行左连接，用临时字段匹配WAP_FULL的CompanyCode
result <- Savings_YC_processed %>%
  left_join(WAP_FULL, 
            by = c("Client", "CompanyCode_4" = "CompanyCode", "Material", "STOCK_UOM"))

# 可选：不需要临时字段时可以删除
result <- result %>% select(-CompanyCode_4)

方法2：使用dplyr 1.1.0+的join_by函数直接定义复杂条件 #

如果你的dplyr版本在1.1.0及以上，可直接用join_by写连接条件，无需创建临时字段：

result <- Savings_YC %>%
  left_join(WAP_FULL,
            join_by(Client == Client,
                    substr(CompanyCode, 1, 4) == CompanyCode,
                    Material == Material,
                    STOCK_UOM == STOCK_UOM))

错误原因解释 #

原写法的问题在于：

• by参数的向量元素只能是字符串形式的字段匹配关系，无法直接嵌入substr函数调用
• 字符串"Savings_YC.CompanyCode"是字面量，并非对数据框字段的引用，substr无法处理该字符串得到目标字段的前4位

内容的提问来源于stack exchange，提问作者Jakob Orel