R语言中使用match函数匹配多重复记录时返回全NA问题求助

首先，我猜你大概率是用match()时搞反了参数顺序，或者遇到了隐形的字符不一致问题。先结合你的数据来一步步解决：

先把你的数据框构造出来方便测试：

df1 <- data.frame(
  query = c("apple", "apple", "banana", "bad apples"),
  page = c("site.com", "site.com/apples", "site.com/bananas", "site.com/apples"),
  stringsAsFactors = FALSE
)

df2 <- data.frame(
  page = c("site.com", "site.com/apples", "site.com/bananas"),
  sessions = c(20, 30, 50),
  stringsAsFactors = FALSE
)

正确的match()用法 #

match()的逻辑是用第一个参数的每个元素，去第二个参数里找匹配的位置，所以正确的写法应该是：

df1$sessions <- df2$sessions[match(df1$page, df2$page)]

运行后df1会得到正确的结果：

query               page sessions
1       apple           site.com       20
2       apple    site.com/apples       30
3      banana site.com/bananas       50
4 bad apples    site.com/apples       30

为什么你的原代码返回NA？ #

最常见的坑是参数顺序搞反：如果写成match(df2$page, df1$page)，相当于用df2的page去匹配df1的page，得到的索引完全不对，自然返回NA。

另外还要排查隐形问题：比如两个数据框的page列有没有末尾空格、大小写差异（比如"site.com/apples "和"site.com/apples"），这种肉眼看不到的差异会导致匹配失败。可以先清理一下：

df1$page <- trimws(df1$page)
df2$page <- trimws(df2$page)

更直观的替代方案 #

如果觉得match()容易搞混，用专门的连接函数更省心：

1. 基础R的merge()

df1_merged <- merge(df1, df2, by = "page", all.x = TRUE)

all.x = TRUE会保留df1的所有行，只匹配df2里对应的sessions。

2. tidyverse的left_join()

用dplyr的写法更清晰：

library(dplyr)
df1_merged <- df1 %>% left_join(df2, by = "page")

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