如何使用left_join实现多个dataframe的简便合并

简化合并方案 #

你现在的写法在新增关联表时需要反复处理带后缀的value列，冗余度很高，下面两种方案都支持后续快速新增关联表，不需要修改核心处理逻辑：

方案1：dplyr + purrr 批量关联（推荐，适配任意多表场景）

核心是把所有待关联的业务表按优先级放入列表，通过reduce批量左关联，再用coalesce自动取优先级最高的非空value值：

library(dplyr)
library(purrr)

# 示例数据
table_base <- data.frame(cat=c("a","b","c","d"))
table_a <- data.frame(cat=c("a","b"), value=c(1,2))
table_b <- data.frame(cat=c("a","c","d"), value=c(7,9,10))

# 按优先级配置关联表，优先级越高越靠前，后续新增表直接往列表里加即可
join_tables <- list(table_a, table_b)

table_final <- table_base %>% 
  # 批量左关联所有配置表
  reduce(join_tables, left_join, by = "cat", .init = .) %>% 
  # 自动合并所有value列，取第一个非空值（优先级和列表顺序一致）
  mutate(value = coalesce(!!!select(., starts_with("value"))),
         # 所有表都未匹配到的记录填充0
         value = replace_na(value, 0)) %>% 
  select(cat, value)

方案2：先合并业务表再关联

如果所有业务表都是cat+value的结构，可以先把所有业务表按优先级合并去重后再一次性关联：

library(dplyr)

table_final <- table_base %>% 
  left_join(
    # 按优先级顺序把业务表传入bind_rows，新增表直接加在参数里即可
    bind_rows(table_a, table_b, .id = "priority") %>% 
      arrange(priority) %>% 
      # 每个cat只保留优先级最高的第一条记录
      distinct(cat, .keep_all = TRUE),
    by = "cat"
  ) %>% 
  mutate(value = replace_na(value, 0)) %>% 
  select(cat, value)

两种方案输出结果和你原有逻辑完全一致，预期效果如下：

内容的提问来源于stack exchange，提问作者anderwyang