如何在R中按CIF汇总多数据集X、Y变量并更新原数据集

方案概述 #

使用dplyr（tidyverse核心包）的关联与列计算功能，按CIF字段将目标数据集与后续数据集匹配，完成指定求和逻辑，缺失匹配项自动填充NA（对应示例中的.）。以下是针对你需求的分步实现：

1. 准备环境与原始数据 #

首先加载dplyr，并修正你提供的示例数据中finance3的长度不匹配问题：

library(dplyr)

# 原始数据集
finance1 <- data.frame(CIF = c('A1', 'A2', 'A3'),
                       X= c(500000, 1500000, 2000000),
                       Y= c(250000, 500000, 1500000))

finance2 <- data.frame(CIF = c('A1', 'A2', 'A3', 'A5'),
                       X= c(500000, 1500000, 2000000, 2500000),
                       Y= c(250000, 500000, 1500000, 2000000))

# 修正原数据CIF与X/Y长度不匹配问题
finance3 <- data.frame(CIF = c('A1', 'A2', 'A3', 'A9', 'A10'),
                       X= c(500000, 1500000, 2000000, 2500000, 3000000),
                       Y= c(250000, 500000, 1500000, 2000000, 2500000))

finance4 <- data.frame(CIF = c('A1', 'A6'),
                       X= c(500000, 3000000),
                       Y= c(250000, 2000000))

2. 为finance2添加sum_X和sum_Y列 #

按CIF关联finance2与finance3，提取finance3的对应字段作为求和列，无匹配项自动填充NA：

finance2 <- finance2 %>%
  # 关联finance3，重命名字段避免冲突
  left_join(finance3 %>% select(CIF, X3 = X, Y3 = Y), by = "CIF") %>%
  # 生成sum列
  mutate(sum_X = X3,
         sum_Y = Y3) %>%
  # 移除临时关联字段
  select(-X3, -Y3)

# 查看结果
print(finance2)

输出结果：

CIF       X       Y   sum_X   sum_Y
1  A1  500000  250000  500000  250000
2  A2 1500000  500000 1500000  500000
3  A3 2000000 1500000 2000000 1500000
4  A5 2500000 2000000      NA      NA

3. 为finance1添加sum_X和sum_Y列 #

先计算finance2与finance3同CIF的X/Y之和，再关联到finance1：

# 计算finance2 + finance3的同CIF求和结果
sum_f2_f3 <- finance2 %>%
  select(CIF, X2 = X, Y2 = Y) %>%
  full_join(finance3 %>% select(CIF, X3 = X, Y3 = Y), by = "CIF") %>%
  # 无匹配项按0计算，若不需要可移除coalesce
  mutate(sum_X = coalesce(X2, 0) + coalesce(X3, 0),
         sum_Y = coalesce(Y2, 0) + coalesce(Y3, 0)) %>%
  select(CIF, sum_X, sum_Y)

# 关联到finance1
finance1 <- finance1 %>%
  left_join(sum_f2_f3, by = "CIF")

# 查看结果
print(finance1)

输出结果（注：与你提供的示例结果存在差异，因示例中sum_X计算逻辑疑似包含finance1自身的X，若需调整可修改求和公式）：

CIF       X       Y   sum_X   sum_Y
1  A1  500000  250000 1000000  500000
2  A2 1500000  500000 3000000 1000000
3  A3 2000000 1500000 4000000 3000000

4. 批量处理多数据集的通用函数（可选） #

如果需要对finance1到finance4批量按顺序生成求和列（每个数据集的sum_X/Y为后续所有数据集的X/Y之和），可使用以下函数：

library(purrr)

add_sum_cols <- function(data_list) {
  n <- length(data_list)
  for (i in 1:(n-1)) {
    # 合并后续所有数据集，按CIF求和
    sum_data <- data_list[(i+1):n] %>%
      map_dfr(~select(.x, CIF, X, Y)) %>%
      group_by(CIF) %>%
      summarise(sum_X = sum(X, na.rm = TRUE),
                sum_Y = sum(Y, na.rm = TRUE),
                .groups = "drop") %>%
      # 全0结果替换为NA
      mutate(across(c(sum_X, sum_Y), ~ifelse(.x == 0, NA, .x)))
    
    # 关联到当前数据集
    data_list[[i]] <- data_list[[i]] %>%
      left_join(sum_data, by = "CIF")
  }
  return(data_list)
}

# 批量处理
data_list <- list(finance1 = finance1, finance2 = finance2, finance3 = finance3, finance4 = finance4)
processed_data <- add_sum_cols(data_list)

# 查看处理后的各数据集
processed_data$finance1
processed_data$finance2
processed_data$finance3

内容的提问来源于stack exchange，提问作者Lilac_Mimo