在R语言中如何将多个单列DataFrame合并到主DataFrame匹配列中

我有三个单列DataFrame（df1、df2、df3），列名和列数量各不相同：

df1: 
   0 3 6  7 10 14 17
2 18 9 1 14  2  1  1

df2:
   0 3 7 9 10 13 14 17 21 35
2 10 4 8 1  5  2 11  2  1  1

df3:
   0 3 7  10 12
2  7 3 11  3  1

同时有一个主DataFrame：

# 创建代码
masterdf <- data.frame(matrix(ncol = 50, nrow = 0))
colnames(masterdf) <- c('0',2:50)

# 初始状态示例
   0  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 
1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 
  33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 
1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 

需要将每个小DataFrame的内容作为一行插入到masterdf中，匹配列名位置填入对应值，其余列保留NA，最终效果如下：

0  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 
1 18 NA  9 NA NA  1 14 NA NA  2 NA NA NA  1 NA NA  1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
2 10 NA  4 NA NA NA  8 NA  1  5 NA NA  2 11 NA NA  2 NA NA NA  1 NA NA NA NA NA NA NA NA NA NA NA 
3  7 NA  3 NA NA NA 11 NA NA  3 NA  1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 

  33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 
1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
2 NA NA  1 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA
3 NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA NA 

注意事项 #

• 列名必须保持为数字形式；
• 第一个列名为0，第二个列名为2；
• 每个DataFrame的0列都有值；
• 小DataFrame中的行号2无实际用途；
• 曾尝试嵌套循环但未成功；
• 最终主DataFrame会包含数千行。

方法1：基础R向量化实现（高效适配大量数据） #

核心是将每个小DataFrame转为命名向量，通过列名匹配填充到masterdf的结构中，全程避免嵌套循环，效率更高。

# 将所有小DataFrame存入列表，方便批量处理
df_list <- list(df1, df2, df3)

# 定义处理单个小DataFrame的函数
process_single_df <- function(df) {
  # 提取小DataFrame的唯一行数据，转为命名向量
  row_data <- unlist(df[1, ])
  # 创建与masterdf列名完全匹配的空向量，默认值为NA
  new_row <- setNames(nm = colnames(masterdf))
  # 匹配列名，填充对应值
  new_row[names(row_data)] <- row_data
  # 转为数据框行格式
  as.data.frame(t(new_row))
}

# 批量处理所有小DataFrame并合并到masterdf
masterdf <- do.call(rbind, lapply(df_list, process_single_df))

# 重置行号（可选，按需调整）
rownames(masterdf) <- NULL

方法2：tidyverse风格实现（语法更简洁） #

如果习惯使用dplyr和purrr，可采用以下方式：

library(dplyr)
library(purrr)

df_list <- list(df1, df2, df3)

masterdf <- map_dfr(df_list, function(df) {
  df %>%
    # 转置为长格式，方便后续匹配
    t() %>%
    as.data.frame() %>%
    rename(value = V1) %>%
    mutate(colname = rownames(.)) %>%
    # 匹配masterdf的列名，自动填充NA
    right_join(tibble(colname = colnames(masterdf)), by = "colname") %>%
    # 转回宽格式
    pivot_wider(names_from = colname, values_from = value)
})

关键说明 #

• 两种方法均避免了低效的嵌套循环，适合处理数千行的大规模数据；
• 列名会自动保持目标数字格式，完全匹配masterdf的初始设置；
• 小DataFrame的行号2被直接忽略，仅提取有效数据行；
• 未匹配的列会自动保留NA，无需额外处理。

内容的提问来源于stack exchange，提问作者CJM