如何在R中合并含ID的不等长数据集？附澳洲车祸数据示例代码需求

没问题，我来帮你写一个R语言的合并示例代码。首先得明确：要合并两个数据集，必须有一个共同的关联键。根据你的描述，数据集B的ID是车祸发生日期，但数据集A的ID是类似d1、d2的标识——这里我假设两者的ID其实是对应的（比如d1对应某个具体日期，或者你可以调整字段名让它们共用同一个关联键）。下面我会先构造符合你描述的样本数据，再展示合并方法。

# 构造样本数据集A：包含ID、Area、Speed字段
dataset_a <- data.frame(
  ID = c("d1", "d2", "d3"),  # 示例ID
  Area = c("悉尼", "墨尔本", "布里斯班"),
  Speed = c(50, 70, 60),
  stringsAsFactors = FALSE
)

# 构造样本数据集B：每个车祸对应多条人员记录，包含ID（车祸日期）、性别、驾照类型
# 这里假设B的ID和A的ID是对应的（如果实际是日期，可替换为类似"2023-10-01"的字符串）
dataset_b <- data.frame(
  ID = c("d1", "d1", "d2", "d3", "d3"),  # 同一个ID对应多名涉事人员
  涉事人员性别 = c("男", "女", "男", "女", "男"),
  驾照类型 = c("正式驾照", "临时驾照", "正式驾照", "正式驾照", "临时驾照"),
  stringsAsFactors = FALSE
)

方法一：使用dplyr包（推荐，代码更易读） #

dplyr是tidyverse生态里的核心包，处理数据合并非常方便：

# 先安装并加载dplyr（如果还没安装的话）
install.packages("dplyr")
library(dplyr)

# 左连接合并：保留dataset_a的所有记录，匹配dataset_b中对应的人员信息
dataset_c <- dataset_a %>%
  left_join(dataset_b, by = "ID")

# 查看合并后的数据集
print(dataset_c)

方法二：使用Base R的merge函数 #

如果你不想加载额外的包，可以用base R自带的merge函数：

# 左连接合并，all.x=TRUE表示保留dataset_a的所有行
dataset_c_base <- merge(dataset_a, dataset_b, by = "ID", all.x = TRUE)

# 查看结果
print(dataset_c_base)

关键参数说明 #

• 左连接（left_join/all.x=TRUE）：会保留数据集A的所有车祸记录，即使该车祸在数据集B中没有对应的人员信息（此时性别和驾照类型字段会显示NA）。
• 如果只需要保留同时存在于两个数据集的车祸记录，可以用内连接（inner_join/merge默认参数）。
• 如果两个数据集的关联键字段名不同（比如A用"CrashID"，B用"车祸日期"），可以调整连接参数：
  • dplyr中：left_join(dataset_b, by = c("CrashID" = "车祸日期"))
  • base R中：merge(dataset_a, dataset_b, by.x = "CrashID", by.y = "车祸日期", all.x = TRUE)

内容的提问来源于stack exchange，提问作者user9111757