使用R语言dplyr合并两个CSV文件并去重生成未联系受访者名单

前置说明 #

我们可以用两种方法实现：基础R无需安装额外包，或者用tidyverse套件语法更简洁易懂，更适合入门用户。

步骤1：读取两份CSV文件 #

基础R写法 #

# 读取尚未发起调研的受访者名单
raw_contacts <- read.csv("你的第一份文件路径.csv", stringsAsFactors = FALSE)
# 读取已完成联系的受访者名单
completed_contacts <- read.csv("你的第二份文件路径.csv", stringsAsFactors = FALSE)

tidyverse写法（需先运行install.packages("tidyverse")安装包） #

library(tidyverse)
raw_contacts <- read_csv("你的第一份文件路径.csv")
completed_contacts <- read_csv("你的第二份文件路径.csv")

注意：请将代码中的文件路径替换为你本地CSV的实际存储路径，优先使用绝对路径避免读取失败

步骤2：筛选仅未联系的受访者 #

核心逻辑是保留初始未联系名单中，不存在于已联系名单的记录，两份数据需要有唯一标识列（比如受访者ID、手机号，能唯一确定一个人的字段）做匹配，假设这个共同列叫respondent_id，你可以替换成自己实际的列名。

基础R写法 #

# 筛选出raw_contacts中respondent_id不在completed_contacts里的记录
uncontacted <- raw_contacts[!raw_contacts$respondent_id %in% completed_contacts$respondent_id, ]

tidyverse写法（更直观） #

# 反连接：保留左表（raw_contacts）中无法和右表匹配的所有记录
uncontacted <- raw_contacts %>%
  anti_join(completed_contacts, by = "respondent_id")

如果需要用多个字段匹配，可将by参数改成by = c("手机号", "姓名")的格式

步骤3：导出结果到新CSV #

基础R写法 #

write.csv(uncontacted, "未联系受访者最终名单.csv", row.names = FALSE)

tidyverse写法 #

write_csv(uncontacted, "未联系受访者最终名单.csv")

row.names = FALSE参数用于避免导出额外的行号列，tidyverse的write_csv默认不导出行号

常见问题排查 #

• 匹配结果和预期行数不一致时，先检查两份文件的唯一标识列格式是否一致，比如字符型的"001"和数值型的1会被判定为不同值
• 导出前可以先运行nrow(raw_contacts) - nrow(completed_contacts)估算预期结果行数，运行nrow(uncontacted)核对是否符合预期
• 可以运行head(uncontacted)预览前几行数据，确认内容无误再导出使用

内容的提问来源于stack exchange，提问作者agodinezmm