R语言如何从其他数据框匹配统计值并新增列到目标数据集

方法1：先汇总再左连接（推荐） #

这个方法逻辑清晰、性能更优，完全匹配需求：不会改动原数据集的任何列，无匹配物种的统计值自动返回NA。

• 第一步：对fake_spp_occurrences按物种名字段分组，统计所需的纬度指标
• 第二步：通过左连接将统计结果合并到fake_spp_df即可

tidyverse实现代码：

library(tidyverse)

# 统计每个物种的纬度指标
spp_lat_stats <- fake_spp_occurrences %>%
  group_by(物种名) %>%
  summarise(
    最低观测纬度 = min(纬度, na.rm = TRUE),
    最高观测纬度 = max(纬度, na.rm = TRUE),
    中位数纬度 = median(纬度, na.rm = TRUE),
    .groups = "drop"
  )

# 左连接到自有研究数据集
fake_spp_df_result <- fake_spp_df %>%
  left_join(spp_lat_stats, by = "物种名")

Base R的merge实现代码：

# 汇总每个物种的纬度指标
spp_lat_stats <- aggregate(纬度 ~ 物种名, data = fake_spp_occurrences, FUN = function(x) {
  c(min = min(x, na.rm = T), max = max(x, na.rm = T), median = median(x, na.rm = T))
})
# 整理汇总表列名
spp_lat_stats <- do.call(data.frame, spp_lat_stats)
colnames(spp_lat_stats) <- c("物种名", "最低观测纬度", "最高观测纬度", "中位数纬度")
# 左连接合并，无匹配值自动返回NA
fake_spp_df_result <- merge(fake_spp_df, spp_lat_stats, by = "物种名", all.x = TRUE)

方法2：直接在mutate中实现（修复错误写法） #

你之前直接在mutate中过滤失败的核心原因是变量环境冲突：过滤条件中调用的物种名默认取的是fake_spp_occurrences的列，而非当前fake_spp_df行对应的物种名，需要手动指定环境区分：

fake_spp_df_result <- fake_spp_df %>%
  rowwise() %>%
  mutate(
    最低观测纬度 = min(filter(fake_spp_occurrences, 物种名 == cur_data()$物种名)$纬度, na.rm = T),
    最高观测纬度 = max(filter(fake_spp_occurrences, 物种名 == cur_data()$物种名)$纬度, na.rm = T),
    中位数纬度 = median(filter(fake_spp_occurrences, 物种名 == cur_data()$物种名)$纬度, na.rm = T)
  ) %>%
  ungroup()

注意：该方法在数据量较大时性能远低于方法1，仅适合小数据量场景使用。

内容的提问来源于stack exchange，提问作者Jake L