R语言合并两个数据集去重时如何优先保留指定数据集的观测

1. 该结果不是偶然现象 #

这个差异完全符合dplyr的官方定义行为：distinct() 及其衍生的distinct_at()函数在开启.keep_all = TRUE参数时，对于你指定的去重判定字段（此处为ID），仅保留首次出现的对应行，后续所有相同ID的重复行都会被直接丢弃。
你测试的两种拼接顺序结果完全匹配这个逻辑：

• 先拼接A再拼接B时，A的ID行在前，重复ID会保留A的字段取值
• 先拼接B再拼接A时，B的ID行在前，重复ID会保留B的字段取值
  这个逻辑是稳定可复现的，不存在随机概率问题。

2. 不依赖拼接顺序的稳定实现方法 #

distinct_at()本身没有内置的优先级参数，不过你可以通过增加显式的优先级标识、配合排序的方式，不管拼接顺序如何都能稳定实现B数据集优先的需求，避免依赖隐式的拼接顺序，代码可读性也更高：

library(dplyr)
bind_data <- rbind(a, b) %>%
  # 新增优先级列：B数据集优先级更高，数值越小优先级越高
  mutate(priority = ifelse(Helper == "dataset_b", 1, 2)) %>%
  # 按ID分组，组内优先级高的排在前面
  arrange(ID, priority) %>%
  # 按ID去重，自动保留优先级高的行
  distinct(ID, .keep_all = TRUE) %>%
  # 剔除辅助用的优先级列
  select(-priority)

补充说明：dplyr 1.0.0版本之后，*_at系列函数已经被软废弃，更推荐用distinct(across(ID), .keep_all = TRUE)的写法替代distinct_at(vars(ID), .keep_all = TRUE)。
如果你的场景固定是两个数据集合并、优先保留B的取值，也可以用更直接的更新函数，不需要拼接再去重：

final_data <- full_join(select(a, ID), b, by = "ID") %>%
  rows_patch(a, by = "ID")

内容的提问来源于stack exchange，提问作者RL_Pug