R语言如何简化book1数据清洗及与book2内连接的操作？

你当前操作繁琐的核心问题是拆分了太多中间步骤，且没有利用管道操作串联全流程，以下是可直接运行的高效实现：

核心逻辑说明 #

• 你的book1是典型的非规范读入格式：前3行为说明/分组标记，第4行为真实列名，第5行起为正式数据；其中前3列对应Set1的id/title/hazard，后3列对应Set2的id/title/index，两组数据的id完全对齐。
• book2不需要单独执行重命名赋值，可直接在关联步骤内完成列名匹配。
• 注意提前转换id字段类型，避免因字符型/整数型不一致导致关联失败。

完整实现代码 #

library(dplyr)

final_result <- book1 |>
  # 移除前3行无关内容
  slice(-(1:3)) |>
  # 将第1行（原数据第4行）设置为列名
  setNames(unlist(.[1, ])) |>
  # 移除已作为列名的行，删除重复的id列
  slice(-1) |>
  # 按位置选列稳定性更高：保留Set1的3个字段+Set2的title、index字段
  select(1:3, 5:6) |>
  # 重命名字段，避免列名重复
  rename(title_set2 = 4, index = 5) |>
  # 转换字段类型，适配book2的id格式
  mutate(
    id = as.numeric(id),
    index = as.numeric(index)
  ) |>
  # 一步完成book2重命名+内连接
  inner_join(
    book2 |> rename(id = identity, title = text),
    by = c("id", "title")
  )

可选优化（需安装janitor包） #

如果日常多做表格清洗，可安装janitor包简化表头设置步骤，替换上述代码中setNames+slice(-1)的操作，自动处理重复列名：

# 先安装包：install.packages("janitor")
library(janitor)

# 对应步骤替换为
book1 |>
  slice(-(1:3)) |>
  row_to_names(row_number = 1) |> # 自动把第1行设为列名并删除该行
  clean_names() |> # 自动生成规范列名，处理重复字段
  # 后续接选列、类型转换、关联步骤即可

如果是从Excel读入的该数据，可直接在readxl::read_excel()里设置skip = 3参数跳过前3行，配合col_names参数指定列名，读入时直接拿到规范格式，无需后续清洗。

内容的提问来源于stack exchange，提问作者Catalyst