在R语言中基于相同ID将分组列值匹配到纵向长数据集

现有两个数据集：

• 映射数据集df1，包含参与者id和对应的分组group：

df1 <- structure(list(id = 1:8, group = c("a", "b", "a", "c", "a", "a", 
"b", "d")), class = "data.frame", row.names = c(NA, -8L))

• 纵向数据集df2，id重复出现但无分组列，需要新增new_group列，填充对应id的分组值，目标结构如下：

df2 <- structure(list(id = c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 3L, 3L, 
4L, 4L, 4L, 4L, 4L, 4L, 5L, 6L, 6L, 6L, 7L, 7L, 8L, 8L, 8L, 8L
), new_group = c("a", "a", "a", "a", "b", "b", "b", "b", "a", 
"a", "c", "c", "c", "c", "c", "c", "a", "a", "a", "a", "b", "b", 
"d", "d", "d", "d")), class = "data.frame", row.names = c(NA, 
-26L))

以下是几种实现需求的方法：

方法1：基础R的merge()函数 #

用基础R内置的merge()做左连接，保留df2所有行并匹配分组信息，之后重命名列：

# 执行左连接
df2 <- merge(df2, df1, by = "id", all.x = TRUE)
# 重命名列以匹配目标结构
df2$new_group <- df2$group
df2$group <- NULL

方法2：dplyr包的left_join()函数 #

如果使用tidyverse生态，dplyr的写法更简洁直观：

library(dplyr)

df2 <- df2 %>%
  left_join(df1, by = "id") %>%
  rename(new_group = group)

该方法会自动保留df2的全部行，将匹配到的group值填充到对应位置，最后直接重命名列即可。

方法3：data.table包的高效匹配 #

针对大数据集，data.table的连接速度更快，操作更灵活：

library(data.table)

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

# 直接在df2中新增new_group列并填充匹配值
df2[df1, new_group := group, on = "id"]

内容的提问来源于stack exchange，提问作者Ali Roghani