如何基于公共x列值合并两个DataFrame并仅保留匹配行？

问题分析 #

你遇到的重复行问题，核心原因是直接使用merge(df_1, df_2)会对两个数据框中同一x值的所有行做笛卡尔积（比如x4在df_1有2行、df_2有2行，就会生成2*2=4行）。而你的需求是保留df_1中与df_2共享x值的行，同时对应上df_2中该x统一的z值，且不产生多余重复。

解决方案 #

方法1：先去重df_2的x-z映射，再做内连接

因为你的df_2中同一x对应的z值完全一致，我们可以先提取唯一的x-z配对，再和df_1合并，这样就不会产生冗余行：

# 提取df_2中唯一的x-z对应关系
df_2_unique <- unique(df_2)
# 合并（默认是内连接，只保留x在两个数据框都存在的行）
result <- merge(df_1, df_2_unique, by = "x")

运行后得到的结果完全符合你的期望：

x y z
1 x4 0 1
2 x4 0 1
3 x5 1 1
4 x5 1 1
5 x5 1 1

方法2：用dplyr的简洁写法

如果你习惯使用tidyverse工具链，distinct()可以快速去重，inner_join()直接实现内连接，写法更直观：

library(dplyr)
result <- df_1 %>%
  inner_join(distinct(df_2, x, z), by = "x")

方法3：结合你提到的intersect()手动过滤

你提到的intersect(df_1$x, df_2$x)也可以用来手动过滤数据框，再完成合并（同样需要先对df_2去重）：

common_x <- intersect(df_1$x, df_2$x)
# 过滤df_1，只保留公共x的行
df_1_filtered <- df_1[df_1$x %in% common_x, ]
# 过滤并去重df_2
df_2_filtered <- unique(df_2[df_2$x %in% common_x, ])
# 合并
result <- merge(df_1_filtered, df_2_filtered, by = "x")

为什么之前的尝试不符合需求 #

• merge(..., all = TRUE)是全连接，会保留两个数据框中所有的x值，不符合你只保留匹配行的要求；
• 直接merge(df_1, df_2)因为df_2中同一x存在重复行，触发了笛卡尔积逻辑，导致生成大量重复行。

内容的提问来源于stack exchange，提问作者user8831872