R语言merge数据框时如何让y数据集同名变量覆盖x数据集值

问题原因 #

基础包的merge.data.frame()函数默认不会自动覆盖非合并键的同名列：当两个输入数据框存在未被指定为匹配键的重名字段时，函数会自动给列名添加.x（来自x参数输入的数据集）、.y（来自y参数输入的数据集）后缀做区分，不会主动做值覆盖，因此会出现运行代码后得到V2.x、V2.y两个拆分列的情况。

可直接复用的实现方案 #

方案1：基础包无依赖实现 #

提前移除x数据集中和y重名的非键列，再执行合并即可，不需要额外加载第三方包：

# 与示例完全一致的测试数据
a <- data.frame(c("A","B","C","D"), c("1","2"))
names(a) <- c("V1","V2")
b <- data.frame(c("A","B","C","D"), c("3","4"))
names(b) <- c("V1","V2")

# 先剔除a中与b重名、且不属于合并键的列，再合并
merge(
  x = a[, setdiff(names(a), "V2"), drop = FALSE],
  y = b,
  by = "V1",
  all.y = TRUE
)

运行上述代码得到的结果和数据集b完全一致，符合预期。

如果需要处理的重名列较多，可以自动识别重名非键列，不用手动输入列名：

key_col <- "V1" # 定义合并用的键列
overlap_cols <- intersect(names(a), names(b))
overlap_nonkey_cols <- setdiff(overlap_cols, key_col)
merge(
  x = a[, !names(a) %in% overlap_nonkey_cols, drop = FALSE],
  y = b,
  by = key_col,
  all.y = TRUE
)

方案2：合并后手动清理列 #

如果已经跑完merge得到了带.x/.y后缀的结果，可以直接重命名y来源的列、删除x来源的同名列：

merged_res <- merge(a, b, by = "V1", all.y = TRUE)
# 提取所有带.y后缀的列
y_suffix_cols <- grep("\\.y$", names(merged_res), value = TRUE)
for (col in y_suffix_cols) {
  # 去掉.y后缀得到原始列名
  raw_col_name <- sub("\\.y$", "", col)
  # 用y来源的列值覆盖原列
  merged_res[[raw_col_name]] <- merged_res[[col]]
  # 删除带后缀的冗余列
  merged_res[[col]] <- NULL
  merged_res[[paste0(raw_col_name, ".x")]] <- NULL
}

方案3：用dplyr包简化操作 #

如果日常数据处理已经加载dplyr，可以直接用专门的行更新函数，逻辑更直观：

library(dplyr)
# 直接用b中匹配键对应的行，覆盖a中的同名字段值
final_res <- rows_update(x = a, y = b, by = "V1")

如果需要保留y中所有x不存在的行，可以用连接加coalesce实现优先取y值的逻辑：

final_res <- full_join(a, b, by = "V1") %>%
  # 同名列优先取y来源的值，y没有对应值时才取x的值
  mutate(V2 = coalesce(V2.y, V2.x)) %>%
  select(-ends_with(".x"), -ends_with(".y"))

内容的提问来源于stack exchange，提问作者Charles Stangor