使用full_join合并数据集时重复匹配问题求解

常规的full_join会对每个匹配的ID做全量关联，所以df_2020中ID=112的两条记录都会和df_2021里的ID=112匹配，导致两条的code_2021都显示为23。要实现仅匹配其中一条、其余留空的效果，需要给重复ID添加分组内的序号，再基于ID+序号进行关联：

步骤1：给数据集添加分组序号 #

用dplyr工具包对每个ID分组后添加行号，区分同ID下的不同记录：

library(dplyr)

# 给df_2020添加分组序号
df_2020 <- df_2020 %>%
  group_by(ID) %>%
  mutate(row_num = row_number()) %>%
  ungroup()

# 给df_2021添加分组序号
df_2021 <- df_2021 %>%
  group_by(ID) %>%
  mutate(row_num = row_number()) %>%
  ungroup()

步骤2：基于ID和分组序号执行full_join #

现在按ID和row_num两个字段关联，只有同ID且同序号的记录会匹配，其余记录的code_2021自然留空：

df_2020_2021 <- full_join(df_2020, df_2021, by = c("ID", "row_num"))

步骤3：移除分组序号列（可选） #

如果不需要保留row_num字段，直接删掉即可：

df_2020_2021 <- df_2020_2021 %>%
  select(-row_num)

执行后就能得到你期望的结果：

内容的提问来源于stack exchange，提问作者S12