R语言基于公共变量自动读取并链式合并多个CSV文件的方法

针对同文件夹下无统一公共字段、靠两两公共列形成链式关联的CSV文件，可以用迭代自动匹配公共键的方式完成批量合并，不需要手动指定每个文件的匹配关系。

核心逻辑 #

• 先批量读入目标文件夹下所有CSV文件存入列表
• 从第一个文件开始作为初始合并结果
• 循环扫描剩余未合并的文件，自动识别当前合并结果与待合并文件的公共列作为匹配键，执行合并操作
• 每成功合并一个文件就将其从待处理列表移除，直到所有文件处理完成；如果扫描完所有剩余文件都找不到公共列，就抛出断链提示

完整实现代码 #

# 修改为你的CSV文件所在的本地文件夹路径
csv_dir <- "C:/your/csv/folder/path"

# 批量读入所有CSV文件
file_list <- list.files(csv_dir, pattern = "\\.csv$", full.names = TRUE)
df_list <- lapply(file_list, function(f) {
  dt <- read.csv(f, stringsAsFactors = FALSE)
  # 移除read.csv默认生成的行号列X，无此列可跳过这行
  if ("X" %in% colnames(dt)) dt <- dt[, colnames(dt) != "X"]
  dt
})
names(df_list) <- basename(file_list)

# 初始化合并结果与待处理队列
merged_res <- df_list[[1]]
pending <- df_list[-1]

# 迭代合并
while (length(pending) > 0) {
  has_merge <- FALSE
  for (idx in seq_along(pending)) {
    cur_dt <- pending[[idx]]
    match_keys <- intersect(colnames(merged_res), colnames(cur_dt))
    if (length(match_keys) > 0) {
      merged_res <- merge(merged_res, cur_dt, by = match_keys, all = TRUE)
      cat(sprintf("已合并%s，匹配键：%s\n", names(pending)[idx], paste(match_keys, collapse = "、")))
      pending[[idx]] <- NULL
      has_merge <- TRUE
      break
    }
  }
  if (!has_merge) {
    stop("关联断链，以下文件无法和已有结果匹配：", paste(names(pending), collapse = "、"))
  }
}

# 查看合并结果，需要导出就取消下一行注释
# print(merged_res)
# write.csv(merged_res, "合并结果.csv", row.names = FALSE)

测试效果 #

用提供的4个测试CSV运行代码，控制台会输出如下合并日志：

已合并testdataframe_2.csv，匹配键：Column_1
已合并testdataframe_3.csv，匹配键：Column_4
已合并testdataframe_4.csv，匹配键：Column_6

最终输出的合并结果包含全部10个字段、3条完整记录，和预期的链式匹配结果一致。

使用说明 #

• 代码默认采用全连接逻辑，会保留所有文件中的所有行，需要左连接/右连接/内连接可自行修改merge函数的all/all.x/all.y参数
• 若公共列在不同文件中数据类型不一致（比如ID列在一个文件里存为数字、另一个存为文本），需要在读入文件后统一做类型转换，否则会合并失败
• 当两个文件存在多个公共列时，代码会自动将所有公共列作为联合匹配键，无需手动配置
• 如果存在字段重名但不是匹配键的情况，可以在读入文件后先统一重命名冲突列，避免匹配错误

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