在R中依据另一张表键值替换数据库中对应文本的实现方法

解决方案 #

前置清洗（解决大部分merge失败问题） #

merge失效90%以上的原因是两张表的匹配字段存在格式差异，比如前后空格、大小写不一致、特殊符号转义差异，先统一格式：

# 假设表A中作者姓名字段名为author，主键字段名为id_library
A$author <- trimws(tolower(A$author))
# 假设表B中作者姓名字段名为author
B$author <- trimws(tolower(B$author))

如果两张表的作者字段名不一致，把上面代码里的字段名替换成实际的字段名即可。

方法1：基础R merge实现 #

# all.x=TRUE 保证保留表B的所有行，不会因为匹配不到丢失数据
B_result <- merge(B, A[,c("author", "id_library")], by = "author", all.x = TRUE)
# 移除原有的作者姓名列，只保留替换后的主键
B_result$author <- NULL
# 如果需要把主键列名改回原来的author，可执行下面的代码
# names(B_result)[names(B_result) == "id_library"] <- "author"

如果你的两张表作者字段名不同，调整merge的by参数即可：比如表A作者字段是author_name，表B是name，就把by参数改成by.x = "name", by.y = "author_name"。

方法2：dplyr left_join实现（代码更易读） #

library(dplyr)
B_result <- B %>%
  left_join(A %>% select(author, id_library), by = "author") %>%
  select(-author)
  # 如需改名可追加一行：rename(author = id_library)

异常排查 #

如果匹配后出现NA值，说明对应的作者姓名没有在表A中收录，需要先补全表A的映射数据后再重新执行匹配。

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