如何在R中按列名与行键合并行列不均的两个数据框并补缺失值

核心逻辑 #

你的需求本质是保留结构完整的df1作为基底，不对原有行、列做增删，仅将df2中同时满足「Type值行匹配、列名匹配」的交叉单元格数值，替换df1中原有的占位内容；其余未匹配的位置全部保留/填充为NaN。

前置清洗操作 #

你提供的df1中所有占位是字符串形式的"NA"，和df2的数值列存在类型冲突，需要先做类型统一：

# 将df1除Type列外的字符串占位"NA"替换为数值型NaN
df1[-1] <- lapply(df1[-1], function(col) as.numeric(ifelse(col == "NA", NaN, col)))

实现方法 #

方法1：Base R 原生循环实现 #

逐行逐列匹配df2的有效值，写回df1的对应位置，全程不改动df1的整体结构：

# 遍历df2的每一行记录
for (row_idx in seq_len(nrow(df2))) {
  # 定位df1中Type值和当前df2记录一致的行位置
  target_df1_row <- which(df1$Type == df2$Type[row_idx])
  # 遍历df2中除Type外的所有值列
  for (target_col in setdiff(colnames(df2), "Type")) {
    # 确认df1存在对应列后，写入df2的数值
    if (target_col %in% colnames(df1)) {
      df1[target_df1_row, target_col] <- df2[row_idx, target_col]
    }
  }
}

运行完得到的df1完全符合目标效果：df2中不存在的Example_2、Example_4列，以及df2中不存在的Example_2、Example_4行，对应单元格全部保留NaN。

方法2：Tidyverse 无循环实现 #

直接使用rows_patch完成精准补值，无需手动写循环，该函数的特性是仅按匹配键补值，不会改动基底表的原有行、列结构：

library(tidyverse)
# 第一步：同前置操作，清洗df1的字符串占位为NaN
df1_clean <- df1 %>% 
  mutate(across(-Type, ~as.numeric(ifelse(.x == "NA", NaN, .x))))
# 第二步：以df1为基底，按Type列匹配，用df2的有效值补对应单元格
final_result <- df1_clean %>% 
  rows_patch(df2, by = "Type")

注意：该方法不会额外新增df2独有的列，也不会删除df1独有的列，补值时仅覆盖两边列名一致、Type值一致的单元格位置，其余位置完全保留df1原有的NaN值，和需求完全匹配。

常见避坑提示 #

• 不要使用常规merge全连接实现：常规合并会强行拼接两个表的所有列，容易出现列类型冲突，且需要额外调整空值填充逻辑，流程更繁琐
• R中NA和NaN是不同的数值标识：如果需要严格输出NaN，不要用默认的NA做占位，替换时直接赋值NaN即可

内容的提问来源于stack exchange，提问作者Sarah