R合并数据集时如何更新已有变量 实现Stata merge的update功能

方案1：data.table实现（最优，适配百万级大样本） #

data.table的匹配和运算效率远高于base R和dplyr，适合你的大数据量场景：

library(data.table)
# 转换为data.table格式
dt1 <- as.data.table(df1)
dt2 <- as.data.table(df2)
# 替换字符串格式的'NA'为R可识别的缺失值
dt1[id2 == 'NA', id2 := NA_character_]
# 第一次按主id匹配
merge1 <- dt2[dt1, on = .(id), all.y = TRUE]
# 提取首次匹配失败、且存在第二id的待重匹配样本
remerge_dt <- merge1[is.na(var2) & !is.na(id2)]
remerge_dt[, id := id2]
# 第二次按替换后的id匹配
merge2 <- dt2[remerge_dt, on = .(id), all.y = TRUE]
# 合并首次匹配成功样本和二次匹配样本，得到最终结果
final <- rbind(merge1[!is.na(var2) | is.na(id2)], merge2, use.names = TRUE)
# 可选：移除不需要的id2列
final[, id2 := NULL]

方案2：dplyr批量合并带后缀的重复变量 #

如果你已经生成了带.m1/.m2后缀的合并结果，可直接用coalesce批量合并所有重复变量，无需手动逐个处理：

library(dplyr)
final <- merge2 %>%
  group_by(id) %>%
  # 对所有带后缀的变量，自动取第一个非缺失值
  summarise(across(ends_with(c('.m1', '.m2')), ~coalesce(.[!is.na(.)][1]))) %>%
  # 批量去除变量后缀，恢复原始变量名
  rename_with(~gsub('\\.m.*', '', .), -id)

方案3：base R实现（无第三方包依赖） #

如果不想加载额外包，可通过循环批量合并重复变量：

# 提取所有重复变量的原始名称
common_vars <- unique(gsub('\\.m.*', '', grep('\\.m', names(merge2), value = TRUE)))
# 初始化最终数据集
final <- merge2['id']
# 循环合并所有重复变量，优先取非缺失值
for (v in common_vars) {
  v_m1 <- paste0(v, '.m1')
  v_m2 <- paste0(v, '.m2')
  final[[v]] <- ifelse(is.na(merge2[[v_m1]]), merge2[[v_m2]], merge2[[v_m1]])
}

内容的提问来源于stack exchange，提问作者dmcd