如何在R中按sampleID匹配将另一数据框的列添加到目标数据框

问题排查 #

首先你遇到merge结果重复的核心原因大概率是datasetB里存在同一个sampleID对应多条重复记录，你可以先运行下面的代码验证：

any(duplicated(datasetB$sampleID))

如果返回TRUE，先对datasetB去重，保证每个sampleID仅对应唯一一条年龄记录即可解决重复问题。

推荐实现方案 #

方案1：dplyr左连接（最常用，不打乱原表顺序） #

这个方案会完整保留datasetA的原有行顺序、原有所有列，仅新增匹配到的年龄列，完全符合你的需求：

library(dplyr)

datasetA_new <- datasetA %>%
  # 左连接：保留A的所有行，按sampleID匹配B的年龄
  left_join(datasetB %>% select(sampleID, Age), by = "sampleID") %>%
  # 可选：没有匹配到年龄的记录填为"no_age"，不需要可以删掉这行
  mutate(Age = ifelse(is.na(Age), "no_age", Age))

方案2：基础R实现（无需额外安装包） #

# 建立sampleID到年龄的映射关系
age_map <- setNames(datasetB$Age, datasetB$sampleID)
# 直接匹配赋值到datasetA的新列
datasetA$age <- age_map[as.character(datasetA$sampleID)]
# 可选：填充未匹配到的缺失值
datasetA$age[is.na(datasetA$age)] <- "no_age"

之前方法失效的原因 #

1. merge默认是内连接，且会自动按匹配字段排序打乱A的原有顺序，同时如果B有重复sampleID会生成笛卡尔积导致行数翻倍。如果非要用merge可以调整参数实现左连接效果：merge(datasetA, datasetB, by = "sampleID", all.x = TRUE, sort = FALSE)
2. 你写的mutate代码没有加sampleID匹配逻辑，直接按行位置取datasetB的年龄值，两个表sampleID顺序不一致自然匹配错误。

内容的提问来源于stack exchange，提问作者user305902