如何用dplyr实现含NA的DataFrame列合并left_join操作？

嘿，这个需求用dplyr完全可以优雅解决，不用写烦人的循环，给你两种实用的方法，刚好匹配你的场景：

先确认原始数据 #

首先咱们先把你提供的可复现代码放出来，方便后续验证：

library(dplyr)

df_main <- tibble(UID = c(1,2,3,4,5), foo=c("moo", "rum", "oink", "woof", "hiss"), result=c("Cow", NA, NA, "Dog", NA))
new_prediction <- tibble(UID = c(3,5), result = c("Pig", "Snake"))

方法1：left_join + coalesce（通用兼容版） #

这种方法适合所有版本的dplyr，逻辑清晰：先通过UID做左连接，再用coalesce函数优先保留原始非NA值，用预测值填充缺失的部分，最后清理多余的列：

df_updated <- df_main %>%
  # 左连接，给预测列加后缀区分
  left_join(new_prediction, by = "UID", suffix = c("", "_pred")) %>%
  # coalesce会取第一个非NA的值，完美实现"原始值保留，NA用预测值填充"
  mutate(result = coalesce(result, result_pred)) %>%
  # 删掉临时的预测列
  select(-result_pred)

# 查看结果
df_updated

方法2：rows_patch（dplyr 1.0.0+ 简洁版） #

如果你用的是dplyr 1.0.0及以上版本，rows_patch是专门为这种场景设计的函数——它会根据匹配的键（这里是UID），用右侧数据框的值去填充左侧数据框的缺失值，一步到位：

df_updated <- df_main %>%
  rows_patch(new_prediction, by = "UID")

# 查看结果
df_updated

最终结果 #

两种方法都会得到同样的输出：

# A tibble: 5 × 3
    UID foo   result
  <dbl> <chr> <chr> 
1     1 moo   Cow   
2     2 rum   NA    
3     3 oink  Pig   
4     4 woof  Dog   
5     5 hiss  Snake 

可以看到：

• 原始有值的result（UID=1、4）完全保留
• 原始为NA且有预测值的result（UID=3、5）被成功填充
• 原始为NA且无预测值的result（UID=2）依然保持NA，符合左连接的预期

内容的提问来源于stack exchange，提问作者Thomas