R中使用tidyverse的union_all合并数据后行数少8M是什么原因

• 列删除操作未生效：你提供的删列代码存在变量名拼写错误：删除拥堵附加费列时，2020年数据表的变量名写为tax_data_2020，但后续合并调用的是taxi_data_2020，缺漏字母i的问题导致待合并的2020年数据表未被修改，仍保留19列。当传入列数量不匹配的对象时，部分版本union_all会自动按最少列数截断，仅保留列名完全对齐的行，直接导致大量数据丢失。
• 列属性不匹配：即便修正拼写错误保证4个表均为18列，也需要确认所有同名列的字段类型完全一致。例如上车时间字段在2017年为时间类型，2018年为字符类型时，union_all合并时会丢弃类型无法对齐的行，或因隐式转换失败导致行数减少。
• 包命名冲突：tidyverse内置的dplyr::union_all会按列名匹配、保留所有输入行，但如果你同时加载了plyr包，plyr::union_all会按列位置匹配，和dplyr版本的逻辑差异极大，极易出现数据丢失。可通过明确指定包名的方式规避冲突，比如调用dplyr::union_all执行合并。
• 前置校验缺失：合并前可先统计4个数据表的行数总和，和合并后的结果做对比。同时可通过intersect(names(taxi_data_2017), names(taxi_data_2018))这类语句逐一核对4个表的列名完全一致，用lapply(list(taxi_data_2017, taxi_data_2018, taxi_data_2019, taxi_data_2020), str)检查列类型完全匹配，避免因元数据不一致导致数据丢失。

内容的提问来源于stack exchange，提问作者Abe Diaz