R语言基于两数据框参考列匹配为目标数据框新增ID列

核心处理要点 #

两个数据框直接匹配会失败，需要先做预处理：

• NumID格式不统一：df中为5位带前导零的字符串，df2中为无前导零的短字符串，需先对齐格式
• 需要从df中提取每个ID对应首个日期的唯一映射关系，避免重复匹配

实现代码 #

library(lubridate)
library(tidyverse)

# 1. 从df中生成ID映射基准表
id_mapping <- df %>%
  mutate(date = as.Date(date)) %>%
  # 按NumID、ID分组，取每组最早的日期作为匹配依据
  group_by(NumID, ID) %>%
  summarise(first_date = min(date), .groups = "drop")

# 2. 清洗df2格式并关联匹配ID
df2_with_id <- df2 %>%
  mutate(
    # 自动适配两种日期写法，统一转为标准Date类型
    date = as.Date(date, tryFormats = c("%d-%m-%Y", "%Y-%m-%d")),
    # 给NumID补前导零到5位，和df的NumID格式对齐
    NumID_std = str_pad(NumID, width = 5, side = "left", pad = "0")
  ) %>%
  # 关联映射表匹配对应ID
  left_join(id_mapping, by = c("NumID_std" = "NumID")) %>%
  # 保留和预期输出一致的字段
  select(date, NumID, ID)

结果验证 #

运行后输出和预期完全一致：

date NumID ID
1 2011-01-01  1000  A
2 2011-01-02  2000  B
3 2011-01-03  3000  C

内容的提问来源于stack exchange，提问作者John Huang