R语言替代full_join/merge实现无新增行数的数据连接方法

核心逻辑是给两个数据框的Col A分组分别添加组内临时行号作为额外连接键，保证同组内的行一一匹配，既不会生成笛卡尔积，也不会丢失左表行；同时搭配列冲突合并逻辑，适配循环中补缺失值不重复建列的需求。

可直接复用的自定义实现 #

不需要额外安装第三方包，基于dplyr即可实现：

library(dplyr)

# 参数说明：
# df1: 左表，输出行数和该表完全一致
# df2: 右表，待匹配的新数据
# join_col: 分组连接列，默认是"Col A"
group_match_join <- function(df1, df2, join_col = "Col A") {
  # 左表加组内行号
  df1 <- df1 %>%
    group_by(across(all_of(join_col))) %>%
    mutate(.tmp_row_id = row_number()) %>%
    ungroup()
  
  # 右表加组内行号
  df2 <- df2 %>%
    group_by(across(all_of(join_col))) %>%
    mutate(.tmp_row_id = row_number()) %>%
    ungroup()
  
  # 按分组列+行号连接，重复列自动加.y后缀
  joined <- left_join(df1, df2, by = c(join_col, ".tmp_row_id"), suffix = c("", ".y"))
  
  # 处理重复列：优先保留左表非缺失值，缺失值用右表填充
  right_cols <- setdiff(colnames(df2), c(join_col, ".tmp_row_id"))
  exist_cols <- right_cols[right_cols %in% colnames(df1)]
  for (col in exist_cols) {
    y_col <- paste0(col, ".y")
    joined[[col]] <- coalesce(joined[[col]], joined[[y_col]])
    joined[[y_col]] <- NULL
  }
  
  # 删除临时行号列，返回结果
  return(select(joined, -.tmp_row_id))
}

使用示例 #

# 示例测试数据
df1 <- tibble(
  `Col A` = c("a", "a", "b", "b", "c"),
  val1 = c(1, 2, NA, 4, 5)
)

df2 <- tibble(
  `Col A` = c("a", "a", "b", "b"),
  val1 = c(NA, NA, 3, NA),
  val2 = c("x", "y", "z", "w")
)

# 调用函数
res <- group_match_join(df1, df2)

输出结果res行数和df1完全一致，val1的缺失值会被df2的对应值填充，同时新增val2列，无多余行也无丢失行。

更简洁的第三方包实现 #

如果允许安装额外包，可以用powerjoin包简化列冲突处理逻辑：

# 首次使用先安装：install.packages("powerjoin")
library(powerjoin)
library(dplyr)

res <- df1 %>%
  group_by(`Col A`) %>%
  mutate(.tmp_row_id = row_number()) %>%
  ungroup() %>%
  power_left_join(
    df2 %>% group_by(`Col A`) %>% mutate(.tmp_row_id = row_number()) %>% ungroup(),
    by = c("Col A", ".tmp_row_id"),
    # 直接指定列冲突规则：优先用左表值，缺失用右表补
    conflict = coalesce_xy
  ) %>%
  select(-.tmp_row_id)

该方案完全适配循环使用场景：每次迭代将上一次输出的结果作为新的左表传入即可，已存在的列只会填充缺失值，不会重复创建同名列，也支持直接输出tibble格式。

内容的提问来源于stack exchange，提问作者Larry Cai