合并结构不同的expenditure与cabinets数据集并新增列的实现问题

合并两个DataFrame的实现方案 #

步骤1：前置数据清洗 #

• 统一国家缩写字段格式：将cabinets表的abv列转为全小写，和expenditure表的abv字段规则对齐，避免匹配失败
• 格式化polarization字段：把数值中的逗号替换为小数点，将"caretaker"这类非数值标记转为空值或自定义标识，方便后续计算
• 去重处理：如果同一个国家+年份在cabinets表中存在多条记录，可根据需求选择保留最新选举日期对应的条目，或对polarization做自定义聚合

步骤2：左连接合并表 #

要保留expenditure的全部800条观测，仅匹配添加cabinets的对应字段，使用国家+年份+国家缩写作为匹配键做左连接即可，R语言实现代码如下：

library(dplyr)

# 清洗cabinets表
cabinets_clean <- cabinets %>%
  mutate(abv = tolower(abv),
         polarization = as.numeric(sub(",", ".", polarization))) %>%
  # 同国家同年去重，示例保留最新一条记录，可按需调整规则
  group_by(country, year) %>%
  slice_tail(n = 1) %>%
  ungroup()

# 合并表
expenditure_merged <- expenditure %>%
  left_join(cabinets_clean %>% select(country, year, abv, polarization, cabinet_name),
            by = c("country", "year", "abv"))

可选补充：空值填充 #

如果需要用最近选举的polarization值填充未匹配到的年份空值，可添加如下逻辑：

expenditure_merged <- expenditure_merged %>%
  group_by(country) %>%
  fill(polarization, .direction = "down") %>%
  ungroup()

内容的提问来源于stack exchange，提问作者user14514023