R语言如何选取变量精确匹配实现多波次数据集追加合并

你当前使用的matches()函数为正则模糊匹配，只要变量名包含目标变量的子串就会被选中，这才导致第二波的nxtjbhrs被jbhrs匹配命中，最终出现列数不一致无法合并的问题。

方法1：变量精确匹配（推荐） #

调整变量选择逻辑，先给目标变量拼接当前波次的专属前缀，再用精确匹配规则选择变量，从根源避免选到无关变量，同时兼容部分波次缺失目标变量的场景。

library(tidyverse)
library(haven)

# 定义目标变量列表
var_list <- c("pidp", "jbsat", "jbhrs", "jbnssec8_dv", "panssec8_dv", "manssec8_dv", "paedqf", "maedqf", "qfhigh", "age_dv",
              "sex_dv", "psu", "strata", "employ", "jbhas", "jboff", "jbsem", "jbstat", "jbterm1", "jbterm2", "pjbptft", "fimnet_dv",
              "fimngrs_dv", "fimnlabnet_dv", "seearnnet_dv", "fimnmisc_dv", "fimnprben_dv", "fimninvent_dv", "fimnpen_dv", "fimnsben_dv", 
              "hhtype_dv", "livesp_dv", "nch14resp", "nmpsp_dv", "tenure_dv", "urban_dv", "jbsat", "health", "sf1", "scghqa",
              "scghqb", "scghqc", "scghqd", "scgqhe", "scgqhf", "scghqg", "scghqi", "scghqj", "scghqh", "scghql", "sclsat1", 
              "sclsat2", "sclsat3", "sclsat4", "indscus_lw", "indscub_xw")

# 一次性读取合并所有波次数据
longfile <- map_dfr(1:10, function(wn){
  # 生成当前波次前缀
  wl <- paste0(letters[wn], "_")
  # 生成带前缀的目标变量名
  prefixed_vars <- paste0(wl, var_list)
  # 读取数据、选变量、去前缀、标记波次
  read_dta(paste0(dir, "ukhls_w", wn, "/", wl, "indresp.dta")) %>% 
    select(any_of(prefixed_vars)) %>% 
    rename_with(~str_remove(., wl), everything()) %>% 
    mutate(wave = wn)
})

这里用purrr::map_dfr代替for循环+逐次rbind，代码更简洁效率也更高；any_of()会精确匹配传入的变量名，不存在的变量会自动忽略，不会报错，合并时缺失的变量会自动填充NA。

方法2：强制合并数据集 #

如果需要快速合并不需要处理多余变量，可以将base R的rbind替换为dplyr的bind_rows()函数，该函数会自动按列名匹配合并，列数不一致时缺失的列自动填充NA，不会报错。

# 原循环仅需修改最后一行合并逻辑即可
longfile <- bind_rows(longfile, wave_data)

注意该方法仅能解决合并报错问题，不会过滤掉误选的无关变量，仍然会保留nxtjbhrs这类非目标变量，因此更推荐使用方法1从根源解决问题。

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