R语言如何批量对20个数据框字段执行关联并修复代码错误？

问题1：批量关联20个playerID字段的实现方案 #

你可以通过「宽表转长表-单次关联-长表转宽表」的逻辑实现全量字段批量匹配，完全不需要逐字段硬编码写left_join，计算效率远高于逐次关联：

• 效率优势：逐次left_join需要对主表执行20次全表扫描和匹配计算，长表方案只需要执行1次关联操作，数据量越大性能提升越明显
• 实现代码逻辑：

# 第一步：先定义所有需要匹配的playerID字段名，只需要维护这一个向量即可
id_cols <- c(
  "VisitorStartingPitcherID", paste0("VisitorBatting", 1:9, "PlayerID"),
  "HomeStartingPitcherID", paste0("HomeBatting", 1:9, "PlayerID")
)

# 第二步：预先处理好关联用的Appearance映射表
Appearance <- Lahman::Appearances %>% 
  filter(yearID <= i) %>% 
  group_by(playerID) %>% 
  summarise(GS = sum(GS)) %>%
  # 这里同步修正字段名错误：选的是key_retro，就要用key_retro重命名
  left_join(Chadwick, by = c("playerID" = "bbrefID")) %>% 
  select(playerID = key_retro, GS)

# 第三步：长表转换后单次关联，再转回宽表生成所有GS字段
Retro_Temp_with_gs <- Retro_Temp %>%
  mutate(row_id = row_number()) %>% # 保留原行索引，用于后续拼接
  pivot_longer(cols = all_of(id_cols), names_to = "id_col", values_to = "playerID") %>%
  left_join(Appearance, by = "playerID") %>% # 一次关联搞定所有ID匹配
  mutate(gs_col = paste0(id_col, "GS")) %>%
  select(row_id, gs_col, GS) %>%
  pivot_wider(names_from = gs_col, values_from = GS) %>%
  # 把GS字段拼回原主表
  left_join(Retro_Temp %>% mutate(row_id = row_number()), ., by = "row_id") %>%
  select(-row_id)

问题2：现有代码错误排查 #

你代码里的错误主要是4处，全部修正后就能正常输出主客队结果：

1. 映射表字段名错误：你在处理Appearance表时，select(key_retro,GS) %>% rename(playerID = retroID) 这里选出来的列是key_retro，但rename的源列名写成了不存在的retroID，导致最终生成的Appearance表playerID全为NA，后续主场ID匹配全部失败，改成rename(playerID = key_retro)即可。
2. 索引逻辑写反：计算Home_most_GS时你写的是.[33,43:52]，逗号分隔行和列索引，相当于只取了第33行的43-52列，所有行的计算结果都复用了第33行的值，正确写法是去掉行索引：.[,43:52]。
3. 索引范围错误：计算Vistor_most_GS时你写的是.[33:43]，选的是第33到43列，对应的是主场GS字段范围，取到的全是主场球员的数据，自然没有客队正确结果。另外硬编码数字索引非常不稳定，只要前面字段数量变化就会出错，推荐用列名特征筛选GS字段。
4. 拼写错误：你把Visitor拼成了Vistor，后续过滤条件里的字段名和生成的字段名不匹配，也会导致过滤结果异常。

你可以把计算最大GS字段的逻辑替换为下面的代码，稳定性更高：

Retro_Temp3 <- Retro_Temp2 %>%
  rowwise() %>%
  mutate(
    # 直接通过列名前缀后缀筛选主客队GS字段，不需要硬编码索引
    Home_most_GS = names(select(., starts_with("Home") & ends_with("GS")))[which.max(c_across(starts_with("Home") & ends_with("GS")))],
    Visitor_most_GS = names(select(., starts_with("Visitor") & ends_with("GS")))[which.max(c_across(starts_with("Visitor") & ends_with("GS")))]
  ) %>%
  ungroup()

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