R语言通过城市匹配双数据集为us_data新增州信息列

你对join的顾虑是多余的，dplyr的left_join()完全可以满足你的需求，该函数会保留左表（也就是你的us_data）的所有行，同一个城市的多条观测都会匹配到对应的州信息，不会出现丢失行的问题。

操作代码 #

首先加载依赖包：

# 若未安装dplyr先运行 install.packages("dplyr")
library(dplyr)

执行匹配替换：

us_data_updated <- us_data %>%
  # 以city为关联键，左连接us表的州信息
  left_join(select(us, city, state_id, state_name), by = "city") %>%
  # 替换原有的state列，这里用state_id（州缩写），如果需要州全称就替换为state_name
  mutate(state = coalesce(state_id, state)) %>%
  # 清理多余的匹配字段，保留原有表的列结构
  select(-state_id, -state_name)

代码中的coalesce()函数作用是如果匹配不到州信息（即us表里没有对应城市），就保留原来的US值，避免出现空值。

注意事项 #

如果存在不同州同名的城市，仅通过城市名称匹配会出现错误，这种情况可以结合邮编前缀等其他字段补充关联规则，优化匹配准确率。

内容的提问来源于stack exchange，提问作者famato