R语言合并含重复行的Dataframe时merge返回多余匹配行如何处理

base R的merge函数默认对匹配键采用笛卡尔积匹配规则：若df1中某键值有N条记录，df2中同一键值有M条记录，合并后会返回N*M条该键值的匹配结果。你的示例中df1有2条(100,200,300)、df2有1条该记录，所以合并后返回2条重复结果，属于merge的默认正常逻辑。

根据使用场景可以选择两种实现方式：

场景1：所有匹配键在df2中均唯一（你的示例属于该场景） #

此时不需要保留df1的重复行，直接对df1的匹配键去重后再合并即可：

# base R实现
merge(x = unique(df1), y = df2)

# dplyr实现，逻辑更清晰
library(dplyr)
df1 %>% 
  distinct() %>% 
  inner_join(df2, by = c("A", "B", "C"))

两种方法都会返回你预期的1行(100,200,300)结果。

场景2：df2中存在重复匹配键，需要按df2的出现次数匹配df1的行 #

如果df2中某键值出现K次，要求合并后也返回K条对应记录，匹配df1中对应键值的前K行，可以给两个数据框按匹配键新增组内行号，合并后再删除辅助列即可：

library(dplyr)
# 给df1按匹配键分组加行号
df1_with_id <- df1 %>% 
  group_by(A, B, C) %>% 
  mutate(match_id = row_number()) %>% 
  ungroup()

# 给df2按匹配键分组加行号
df2_with_id <- df2 %>% 
  group_by(A, B, C) %>% 
  mutate(match_id = row_number()) %>% 
  ungroup()

# 合并后删除辅助行号列
result <- inner_join(df1_with_id, df2_with_id, by = c("A", "B", "C", "match_id")) %>% 
  select(-match_id)

该方案可以适配复杂场景：比如df2中某键值出现2次，合并后也只会返回2条对应记录，不会多返回。

内容的提问来源于stack exchange，提问作者Meghanath L