R语言中如何基于两个数据框创建非平衡面板数据

核心逻辑：以ID、year为联合匹配主键，以z表的全部ID-year组合为基准行集，匹配y表中对应的aprank字段，未匹配的位置自动填充NA值，最终结构和预期完全对齐。

前置注意事项 #

• 原z表定义代码存在语法笔误：ID向量c(1, 1, 1, 1 2, 2, ...)在第4和第5个元素之间漏了逗号，修正后代码才能正常运行
• 提前统一两表的year字段类型（避免字符串、数值混用导致匹配失效，出现全表NA的异常）

方法1：R基础函数merge()实现 #

不需要加载额外扩展包，可直接运行：

# 修正后的基础数据定义
y = data.frame(ID= c(1, 1, 2, 2, 3, 3), 
                year =  as.character(c("2007",  "2008", "2007", "2008", "2007", "2008")), 
                aprank = c(3, 4, 1, 2, 5, 8))

z = data.frame(ID = c(1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3), 
               year =  as.character(c("2006",  "2007", "2008", "2009", "2006", "2007", 2008, 2009, 2006, 2007, 2008, 2009)), 
               freq = c(500, 600, 800, 900, 200, 150, 300, 500, 100, 150, 300, 301))

# 以z为基准表左连接y，all.x=TRUE表示保留z的全部行
t <- merge(x = z, y = y, by = c("ID", "year"), all.x = TRUE)

# 按ID、year排序行顺序，和目标结构对齐
t <- t[order(t$ID, t$year), ]

方法2：dplyr左连接实现（日常使用推荐） #

写法直观，不需要额外调整行序，输出结果完全匹配目标结构：

# 首次使用需先安装包：install.packages("dplyr")
library(dplyr)

# 以z为基准，按双主键匹配y的字段
t <- z %>% 
  left_join(y, by = c("ID", "year"))

运行后无需手动排序，left_join会完整保留z表的原始行顺序，输出的字段、取值和预期t完全一致。

方法3：data.table高性能实现（适配大尺寸数据） #

处理百万行级面板数据时运行效率显著高于基础方法：

# 首次使用需先安装包：install.packages("data.table")
library(data.table)

# 转换为data.table格式，设置双匹配主键
setDT(z, key = c("ID", "year"))
setDT(y, key = c("ID", "year"))

# 以z为基准匹配y的字段，未匹配值自动填充NA
t <- z[y, on = c("ID", "year")]

内容的提问来源于stack exchange，提问作者Neuxis