R语言使用dplyr合并行子集更新dataframe并保留全部旧数据

你之前用join合并时丢失数据，本质是没有选对匹配方向、也没处理新旧表的同名列冲突：

• 若把新表boxes0804作为左表做左连接，结果只会保留新表的少量更新行，旧表中其余未更新的全量行会完全丢失
• 若做内连接，结果只会保留新旧表重叠的行，不符合“保留所有原有旧信息”的要求
• 普通join对两个表共有的同名列（Section/State.code/Clutch.size）默认会生成带.x/.y后缀的两列，不会自动用新值覆盖旧值，很容易误判成“新信息丢失”

针对这种「旧表存全量基础信息+空间数据，新表存部分行的增量更新」的场景，直接用dplyr原生的增量更新函数即可，无需手动处理列冲突：

方法1：用rows_update做定向值覆盖（推荐，适配绝大多数场景） #

这个函数的逻辑就是：以旧全量表为基底，按指定键匹配新更新表的行，用新表的同名列值覆盖旧表对应位置的值，未被新表匹配到的旧行完全保留。

library(dplyr)

# 以boxes0604旧全量表为基底，用boxes0804的信息更新匹配行
updated_map_data <- boxes0604 |>
  rows_update(
    update_df = boxes0804,  # 传入增量更新表
    by = "Name",            # 按唯一标识Name匹配行
    unmatched = "ignore"    # 即使新表出现旧表没有的行，也直接跳过不报错
  )

执行后你会得到：

• 所有旧表boxes0604的行完全保留，空间列lon/lat因为新表不存在同名列，完全不受任何影响
• 能匹配到新表的行，自动用新表的Section/State.code/Clutch.size值覆盖旧值
• 完全不会出现数据丢失的问题

如果新表里有需要新增到结果里的全新行（旧表不存在的Name），把rows_update换成rows_upsert即可，逻辑是「匹配到就更新，没匹配到就插入新行」，同样不会丢数据。

方法2：低版本dplyr兼容方案（无rows_update时使用） #

如果你的dplyr版本低于1.1.0，没有rows_update函数，可以用left_join+coalesce手动实现值优先级逻辑：

library(dplyr)

# 1. 给旧表、新表的非键列加后缀，避免列名冲突
old_df <- boxes0604 |>
  rename_with(~paste0(.x, "_old"), -Name)
new_df <- boxes0804 |>
  rename_with(~paste0(.x, "_new"), -Name)

# 2. 以旧表为基础左连接新表，按Name匹配
combined_df <- old_df |>
  left_join(new_df, by = "Name") |>
  # 共同列优先取新值，没有新值就用旧值
  mutate(
    Section = coalesce(Section_new, Section_old),
    State.code = coalesce(State.code_new, State.code_old),
    Clutch.size = coalesce(Clutch.size_new, Clutch.size_old),
    # 空间列直接沿用旧表的值即可
    lon = lon_old,
    lat = lat_old
  ) |>
  # 清理临时的后缀列，还原成需要的结构
  select(Name, Section, lon, lat, State.code, Clutch.size)

• 用来匹配的Name列必须是唯一键，不能有重复值，否则会导致更新错乱
• 不要颠倒left_join的左右表顺序：所有场景下存全量旧信息的表必须是左表，增量新表永远是右表，从根源上避免丢失未更新的旧行

内容的提问来源于stack exchange，提问作者McMahok