如何在R中为同id的列批量添加对应df2的数值

针对你需要将df2中同ID的对应变量值批量加到df1对应ID每一行的需求，这里提供几种高效的实现方法，适配3000+观测、多变量的场景：

方法一：使用dplyr（tidyverse生态，新手友好） #

先加载dplyr包，通过连接数据框后批量处理变量：

library(dplyr)

# 按ID连接两个数据框，批量累加对应变量
result_df <- df1 %>%
  left_join(df2, by = "id", suffix = c("", "_df2")) %>%
  # 批量处理val1、val2，可替换为你需要的所有变量
  mutate(across(c(val1, val2), ~ .x + .data[[paste0(cur_column(), "_df2")]])) %>%
  select(-ends_with("_df2"))

# 查看结果
print(result_df)

如果有47个变量，只需把c(val1, val2)替换为变量名向量（比如colnames(df1)[-1]，假设第一列是ID），即可批量处理所有非ID列。

方法二：使用data.table（大数据场景高效） #

data.table的语法在处理大样本时速度更快，适合你的3000+观测数据：

library(data.table)

# 转换为data.table格式
setDT(df1)
setDT(df2)

# 定义需要处理的变量列表
vars <- c("val1", "val2")

# 按ID匹配并批量更新变量
result_dt <- df1[df2, on = "id", (vars) := lapply(vars, function(x) get(x) + get(paste0("i.", x)))]

# 查看结果
print(result_dt)

i.前缀代表来自df2的列，通过循环批量处理所有指定变量，无需逐个手动添加。

方法三：Base R（无需额外安装包） #

如果不想加载第三方包，可用Base R的原生函数实现：

# 合并两个数据框
merged_df <- merge(df1, df2, by = "id", suffixes = c("", "_df2"))

# 定义需要处理的变量
vars <- c("val1", "val2")

# 批量累加对应变量
merged_df[vars] <- mapply(function(x, y) merged_df[[x]] + merged_df[[y]], vars, paste0(vars, "_df2"))

# 移除df2的后缀列
result_base <- merged_df[, !grepl("_df2$", colnames(merged_df))]

# 查看结果
print(result_base)

处理后预期结果 #

id val1 val2
1 11    6    5
2 11    7    8
3 22    8    7
4 22   10   11

内容的提问来源于stack exchange，提问作者Sontje