R语言合并列相同的两个dataframe且不覆盖原有值的问题

出现数据重复、覆盖的核心原因是合并时未指定唯一匹配键，也没有对两个表的同名字段做年份区分，导致合并时字段冲突。以下是可直接运行的实现方案： #

依赖要求 #

需要提前加载dplyr包处理数据：

library(dplyr)

实现步骤 #

1. 先对两个表的非匹配键字段重命名，添加年份后缀避免冲突

# 处理2020年数据表，仅保留state字段原名作为匹配键，其余字段加_2020后缀
df_2020 <- e_2020_certified_Machines_Per_Jurisdiction_count_per_state %>%
  rename_with(~paste0(., "_2020"), -state)

# 处理2016年数据表，其余字段加_2016后缀
df_2016 <- e_2016_certified_Machines_Per_Jurisdiction_count_per_state %>%
  rename_with(~paste0(., "_2016"), -state)

注：如果你的州列名不是state，将上述代码中的state替换为实际的州字段名即可。

2. 按州字段做关联合并，可根据需求选择连接类型：

# 全连接：保留两个年份所有出现过的州的数据，某年份无数据的位置自动填充NA
merged_df <- full_join(df_2020, df_2016, by = "state")

# 内连接：仅保留两个年份都有统计数据的州
# merged_df <- inner_join(df_2020, df_2016, by = "state")

# 左连接：保留2020年所有州的数据，匹配2016年对应数据
# merged_df <- left_join(df_2020, df_2016, by = "state")

异常排查 #

如果合并后仍有重复数据，先对两个原始表按州字段去重后再合并：

df_2020 <- distinct(df_2020, state, .keep_all = TRUE)
df_2016 <- distinct(df_2016, state, .keep_all = TRUE)

如果需要用sqldf实现，逻辑完全一致，提前区分两个表的字段名即可避免覆盖。 #

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