如何在R语言中合并两个数据框且不产生重复条目

核心逻辑说明 #

你之前使用merge或full_join得到拆分的A.x/A.y列是正常现象：全连接会保留两个表所有的日期行，同源的同名列会自动加后缀区分，你只需要自定义规则合并这两列即可。 #

方案1：tidyverse 实现（推荐，对应你用的full_join语法） #

首先确保两个数据框的dates列统一为日期格式，避免字符串匹配错误：

library(tidyverse)
library(lubridate)

# 统一日期格式
df1 <- df1 %>% mutate(dates = ymd(dates))
df2 <- df2 %>% mutate(dates = ymd(dates))

# 合并+列处理
merged_df <- full_join(df1, df2, by = "dates") %>%
  # 合并A列：coalesce会取第一个非缺失值，这里优先取df2的观测值，要优先df1就调换A.x和A.y的顺序
  mutate(A = coalesce(A.y, A.x)) %>%
  # 保留所需列，按日期排序
  select(dates, A) %>%
  arrange(dates)

如果需要生成完全无缺失的连续时间序列，可以补充生成完整日期序列做二次匹配：

# 生成2010-01-01到2020-12-31的完整日度日期序列
full_date_seq <- tibble(dates = seq(ymd("2010-01-01"), ymd("2020-12-31"), by = "day"))

final_df <- full_join(merged_df, full_date_seq, by = "dates") %>%
  arrange(dates)

方案2：Base R 实现 #

# 全连接合并两个表
merged_df <- merge(df1, df2, by = "dates", all = TRUE)
# 合并A列，优先取df2的非空值
merged_df$A <- ifelse(is.na(merged_df$A.y), merged_df$A.x, merged_df$A.y)
# 保留所需列，按日期排序
merged_df <- merged_df[, c("dates", "A")]
merged_df <- merged_df[order(merged_df$dates), ]

重叠日期取值说明 #

如果两个表同一个日期都存在有效A值，你可以根据需求调整合并规则：

• 优先取df1的值：把coalesce(A.y, A.x)改为coalesce(A.x, A.y)
• 取两个值的平均值：改为mutate(A = rowMeans(select(., A.x, A.y), na.rm = TRUE))
• 其他自定义规则直接调整mutate内的逻辑即可

内容的提问来源于stack exchange，提问作者sat_P