如何使用dplyr::inner_join保留特定非共现观测值

这个需求很实用，核心是既要保留两个表共现country的合并观测，又要强制保留所有col_of_strings等于dont_leave_me_behind的原始观测（无论country是否在另一个表中存在）。下面是两种简洁的实现方式：

方式一：拆分合并（直观易懂） #

先分别提取需要强制保留的行，再合并常规内连接的结果，逻辑清晰：

library(dplyr)

# 1. 从两个表中提取需要强制保留的观测
force_keep_rows <- bind_rows(
  df_population %>% filter(col_of_strings == "dont_leave_me_behind"),
  df_gdp %>% filter(col_of_strings == "dont_leave_me_behind")
)

# 2. 执行常规的内连接，保留共现country的合并观测
inner_join_result <- inner_join(df_population, df_gdp, by = "country")

# 3. 合并所有结果，缺失的列自动补NA
final_data <- bind_rows(inner_join_result, force_keep_rows) %>%
  arrange(country) # 可选：按country排序，方便查看

方式二：全连接+筛选（更紧凑） #

用full_join先合并所有行，再通过筛选条件直接保留我们需要的观测，代码更简洁：

library(dplyr)

final_data <- full_join(df_population, df_gdp, by = "country") %>%
  filter(
    # 保留两表共现country的合并观测（即原inner_join的结果）
    !is.na(population) & !is.na(gdp_growth) |
    # 保留df_population中需要强制保留的行
    (!is.na(col_of_strings.x) & col_of_strings.x == "dont_leave_me_behind") |
    # 保留df_gdp中需要强制保留的行
    (!is.na(col_of_strings.y) & col_of_strings.y == "dont_leave_me_behind")
  ) %>%
  arrange(country)

结果说明 #

最终的final_data会包含：

• 所有country在两个表中都存在的合并观测（和inner_join结果一致）
• df_population中col_of_strings为dont_leave_me_behind的所有行（即使country不在df_gdp中，比如示例中的巴西）
• df_gdp中col_of_strings为dont_leave_me_behind的所有行（即使country不在df_population中，或者已经在合并结果里，比如示例中的澳大利亚）

内容的提问来源于stack exchange，提问作者Emman