R语言基于borrower_country和year合并数据集填充NA失败问题

问题排查 #

• 核心错误：合并时将待填充的GDP_per_capita_USD、GDP_per_capita_growth、inflation三列加入了匹配键by参数中。你已经将test数据集里日本对应的这三列全部设为NA，而gdp_infl里对应列是有效值，NA和有效值无法匹配，自然返回NA。
• 匹配逻辑偏差：你的需求是仅按borrower_country和year两个字段匹配，用gdp_infl的数值填充test的空值，不需要把待填充列放到匹配条件里。

解决方案 #

方法1：修正merge参数（基础R实现） #

# 仅用两个关联字段合并，不要加入待填充列
temp <- merge(test, gdp_infl, by = c("borrower_country", "year"), all.x = TRUE)

# 用gdp_infl的有效值填充test的NA
temp$GDP_per_capita_USD <- ifelse(is.na(temp$GDP_per_capita_USD.x), temp$GDP_per_capita_USD.y, temp$GDP_per_capita_USD.x)
temp$GDP_per_capita_growth <- ifelse(is.na(temp$GDP_per_capita_growth.x), temp$GDP_per_capita_growth.y, temp$GDP_per_capita_growth.x)
temp$inflation <- ifelse(is.na(temp$inflation.x), temp$inflation.y, temp$inflation.x)

# 清理多余的后缀列，保留最终需要的字段
temp <- temp[, c("borrower_country", "year", "GDP_per_capita_USD", "GDP_per_capita_growth", "inflation")]

方法2：dplyr简洁实现（适配全国家批量处理场景） #

library(dplyr)
test_filled <- test %>%
  # 仅按两个关联字段左连接
  left_join(gdp_infl, by = c("borrower_country", "year"), suffix = c("", "_ref")) %>%
  # coalesce返回第一个非空值，自动用参考值填充NA
  mutate(
    GDP_per_capita_USD = coalesce(GDP_per_capita_USD, GDP_per_capita_USD_ref),
    GDP_per_capita_growth = coalesce(GDP_per_capita_growth, GDP_per_capita_growth_ref),
    inflation = coalesce(inflation, inflation_ref)
  ) %>%
  # 移除多余的参考列
  select(-ends_with("_ref"))

该逻辑可以直接复用到所有国家的填充流程，不需要单独调整日本相关代码。

内容的提问来源于stack exchange，提问作者Moz