R语言按指定匹配键合并两个行数不同数据框 匹配替换未匹配保留原值

需求核心：保留全量表df1的所有行结构，以num、lab为联合匹配键，和子集表df2匹配成功的行取df2的val值，匹配失败的行保留df1原有的val值。

方法1：dplyr 实现（代码可读性最高） #

通过左连接保留df1全量行，再用非空填充函数优先取df2的值：

library(dplyr)

df3 <- df1 %>%
  # 以num、lab为键左连接，给两个表的val列加后缀区分
  left_join(df2, by = c("num", "lab"), suffix = c("_df1", "_df2")) %>%
  # 优先取df2的val，为空则取df1原val
  mutate(val = coalesce(val_df2, val_df1)) %>%
  # 保留需要的列
  select(num, lab, val)

方法2：base R 原生实现（无需安装第三方包） #

通过键值匹配直接做赋值替换，适合不想额外装包的场景：

# 拼接双列生成唯一匹配键
df1_key <- paste(df1$num, df1$lab, sep = "|")
df2_key <- paste(df2$num, df2$lab, sep = "|")
# 查找df1每行在df2中的匹配位置
match_loc <- match(df1_key, df2_key)
# 复制df1作为结果基础
df3 <- df1
# 匹配成功的行替换为df2的val值
df3$val[!is.na(match_loc)] <- df2$val[match_loc[!is.na(match_loc)]]

方法3：data.table 实现（大数据量性能最优） #

适合十万行以上的大数据集，运行速度远高于前两种方法：

library(data.table)
# 转data.table格式
setDT(df1)
setDT(df2)
# 右连接保留df1全量行，优先取df2的val
df3 <- df2[df1, on = .(num, lab)][
  , .(num, lab, val = fcoalesce(val, i.val))
]

运行以上任意一种方法，得到的结果都和预期df3完全一致：

num lab val
1   1   A  10
2   1   B  10
3   1   C   0
4   2   A  10
5   2   B   0
6   2   C   0

所有方法均为按键值精准匹配，不需要提前对表排序，不会出现行错位问题。

内容的提问来源于stack exchange，提问作者trilisser