R语言按ID合并多个行数不同数据集并删除不匹配行的方法

已知错误原因 #

你之前的代码报错核心是两个写法问题：

1. 调用Reduce时错误将by = "P_ID"放入了数据集列表中，导致合并函数接收到的参数不是数据框，触发列匹配错误
2. 错误设置merge的by = "col.names"参数，该参数仅用于按行名合并的场景，你的合并键是明确的P_ID列，不需要使用该配置

方案1：基础R实现（无需安装额外包） #

步骤1：整理所有待合并数据集到列表 #

# 所有需要合并的20+数据集都放到这个列表中即可
df_list <- list(df1, df2, df3, df4, df5, df6)

步骤2：定义合并函数并迭代合并 #

# 按P_ID取两个数据集的交集合并，自动删除ID不匹配的行
MyMerge <- function(x, y) {
  merge(x, y, by = "P_ID", all = FALSE)
}
# 迭代合并列表中所有数据集
All.data <- Reduce(MyMerge, df_list)

注：all = FALSE等价于all.x = F, all.y = F，会仅保留两个输入数据集都存在的P_ID行，迭代多次后最终仅保留出现在所有数据集里的参与者ID，完全符合你的需求。如果存在P_ID外的重名列，可以在merge中添加suffixes参数区分，例：merge(x, y, by = "P_ID", all = FALSE, suffixes = c("_df1", "_df2"))

方案2：tidyverse极简实现（代码更简洁） #

如果你使用dplyr生态的工具，可以直接用purrr::reduce + dplyr::inner_join实现，无需自定义函数：

library(dplyr)
library(purrr)

# 直接按P_ID取所有数据集的交集合并
All.data <- reduce(df_list, inner_join, by = "P_ID")

结果验证 #

合并后可以运行以下代码验证结果正确性：

• 验证无重复参与者ID：any(duplicated(All.data$P_ID))，返回FALSE即为正常
• 验证列数符合预期：ncol(All.data) 等于所有数据集列数总和减去（数据集数量-1）*1（减去重复的P_ID列）

内容的提问来源于stack exchange，提问作者Jess