合并美国普查空间数据与警察数据后非空间字段全为NA的求助

我太懂这种毕业论文卡数据合并的焦虑了！你已经精准揪出了问题核心：两个数据集的GEOID字段格式不统一——普查数据的GEOID带前导0，而你导出的警察数据GEOID缺失了前导0，这直接导致关联匹配失败，所以合并后警察相关变量全是NA。

下面是一步步的解决办法，亲测能搞定这个问题：

步骤1：统一GEOID的字符格式 #

GEOID是地理编码，属于字符串类型，不能当数值处理。我们要把两个数据集的GEOID都转换成带完整前导0的字符型：

补全警察数据的GEOID前导0 #

用stringr包的str_pad()函数补全前导0，先确认普查数据GEOID的长度（美国普查tract的GEOID通常是11位，你可以先核对下自己的数据）：

# 先安装/加载stringr包
# install.packages("stringr")
library(stringr)

# 补全前导0到指定长度，这里以11位为例
SDPD_Data_Census$GEOID <- str_pad(SDPD_Data_Census$GEOID, 
                                  width = 11, 
                                  side = "left", 
                                  pad = "0")

验证格式一致性 #

转换后检查两个数据集的GEOID格式是否完全一致：

# 查看普查数据GEOID的前5行
head(SD.city.tracts$GEOID)
# 查看警察数据GEOID的前5行
head(SDPD_Data_Census$GEOID)

确保两者的字符长度、编码格式完全匹配，比如都是"06073000100"这类带前导0的格式。

步骤2：重新执行合并操作 #

格式统一后，再用left_join()合并（这样能完整保留空间数据的所有观测）：

SD_Police_Census <- left_join(SD.city.tracts, SDPD_Data_Census, by = "GEOID")

步骤3：验证合并结果 #

合并后检查警察变量是否正常赋值：

# 统计policestop字段的非NA数量
sum(!is.na(SD_Police_Census$policestop))
# 统计policestoprate字段的非NA数量
sum(!is.na(SD_Police_Census$policestoprate))

如果两个数值都等于你的总观测数，说明合并完全成功了！

补充：为什么full_join会把数据追加到末尾？ #

因为GEOID格式不匹配时，full_join()会保留两边所有无法匹配的观测——普查数据的观测在前，警察数据因为格式问题全匹配不上，就会被追加到数据集末尾，此时空间数据列为NA，警察数据列有值，这也反过来验证了是GEOID匹配的问题。

内容的提问来源于stack exchange，提问作者Sheri