R语言不同行数数据集匹配：向主数据集添加关联城市人口变量

• ifelse()是逐元素对应比较的向量运算函数，要求参与比较的两个向量长度一致。你的dataset_1仅1200行、dataset_2有36000行，长度不匹配会触发R的向量循环机制，完全无法实现按城市名匹配赋值的需求。
• 这类按共同字段匹配两个数据集的场景，应该使用**关联（merge/join）**操作实现。

基础R方案 #

使用内置的merge()函数做左连接即可：

# 左连接：保留dataset_1全部行，匹配成功的行填充对应城市人口，未匹配行填充NA
dataset_1 <- merge(
  x = dataset_1, 
  y = dataset_2[, c("city_name", "Pop_city")], 
  by = "city_name", 
  all.x = TRUE
)
# 若需要将未匹配到的城市人口赋值为0，补充运行以下代码
dataset_1$Pop_city[is.na(dataset_1$Pop_city)] <- 0

参数说明：

• by指定两个数据集用于匹配的共同键，两个数据集键名均为city_name时可直接传入
• all.x = TRUE指定为左连接逻辑，完全保留左表（dataset_1）的所有调查数据，不会因为未匹配到城市就删除原有观测

tidyverse/dplyr方案 #

如果使用tidyverse生态工具，left_join()写法更直观：

library(dplyr)
dataset_1 <- dataset_1 %>%
  left_join(dataset_2 %>% select(city_name, Pop_city), by = "city_name") %>%
  # 可选：将未匹配的NA值替换为0
  mutate(Pop_city = replace(Pop_city, is.na(Pop_city), 0))

如果匹配成功率较低，可先检查两个数据集的city_name字段是否存在字符串格式差异：比如首尾空格、大小写不一致、名称全称/简称差异（如“北京市”和“北京”）、特殊符号差异等，先做字符串清洗后再匹配可大幅提升匹配准确率。

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