如何在R中完成数据质量校验、数据集合并及差异ID提取？

• 你设置all=FALSE调用的是内连接，匹配逻辑为左表df1的每一行，会和右表df2中所有ID相同的行一一匹配
• 行数超过820的核心原因是df2的ID列存在重复值：假设df2中某ID出现了k次，那么df1中该ID对应的每一行都会生成k条匹配结果，最终总行数就会大于df1的原始行数
• 验证方法：运行命令sum(duplicated(df2$ID))，如果返回值大于0，即可确认df2存在重复ID
• 可选修复方案：如果每个ID只需要对应一个Points值，可先对df2按ID去重后再合并：

  # 保留每个ID的第一条记录，也可根据需求调整去重逻辑
  df2_unique <- df2[!duplicated(df2$ID), ]
  merged_df <- merge(df1, df2_unique, by = "ID", all = FALSE)
  

两种常用实现方式：

基础R实现 #

df3 <- df1[!df1$ID %in% df2$ID, ]

dplyr包实现 #

library(dplyr)
df3 <- anti_join(df1, df2, by = "ID")

内容的提问来源于stack exchange，提问作者Evan