R tidyverse连接数据框：df1的by变量可匹配df2两列的实现方法

原生dplyr::left_join()的by参数不支持单键同时匹配右表的多个列，可以通过以下两种tidyverse生态的方法实现你的需求：

方法一：长表转换匹配法（推荐，逻辑清晰、运行效率高） #

核心思路是先把df2中需要参与匹配的两个姓名列转换为长格式，生成统一的匹配键和df1做关联，匹配到对应id后再关联回df2的完整字段，避免重复匹配问题。

library(tidyverse)

# 示例数据
df1 <- data.frame(Names = c("Mary", "Azam", "Smith", "Fank"))
df2 <- data.frame(FirstNames = c("Mary", "Azam", "Sal", "Fank"),
                  LastNames = c("Shi", "Plert", "Smith", "Longe"),
                  id = c(1,2,3,4))

# 连接逻辑
result <- df1 %>%
  left_join(
    df2 %>% 
      pivot_longer(cols = c(FirstNames, LastNames), values_to = "match_key"),
    by = c("Names" = "match_key")
  ) %>%
  left_join(df2, by = "id") %>%
  select(Names, FirstNames, LastNames, id) %>%
  distinct()

运行后输出结果和预期完全一致：

> result
  Names FirstNames LastNames id
1  Mary       Mary       Shi  1
2  Azam       Azam     Plert  2
3 Smith        Sal     Smith  3
4  Fank       Fank     Longe  4

方法二：逐行匹配法（适合小数据集） #

逐行遍历df1的Names值，在df2中筛选满足「匹配FirstNames或LastNames」的行，最后合并结果，代码逻辑直观但大数据量下运行效率较低：

result2 <- map_dfr(df1$Names, function(nm){
  matched <- df2 %>% filter(FirstNames == nm | LastNames == nm)
  tibble(Names = nm) %>% bind_cols(matched)
})

注意：如果存在某个Names值同时匹配到df2中FirstNames、LastNames对应的不同行，两种方法都会返回多行匹配结果，你可以根据业务规则增加优先级逻辑（例如设置优先匹配FirstNames，无匹配结果时再匹配LastNames）。

内容的提问来源于stack exchange，提问作者JKHopf