如何合并CSV文件并输出Cross Ref与Key不匹配的产品

嘿，我明白你的需求了——你已经知道怎么合并匹配的数据，但现在要找出两个CSV里Cross Ref和Key不匹配的所有产品对吧？你之前用merge(..., all=T)没拿到想要的结果？其实all=T是会保留所有行的，只是你没做后续的筛选而已，我给你两种靠谱的解决方法：

方法1：基于全连接后筛选不匹配行 #

你之前的全连接代码其实已经把所有行（匹配+不匹配）都拉进来了，只是需要过滤掉那些两边都有数据的匹配行，留下至少一边有缺失的不匹配行：

# 先执行全连接，保留所有行
merged_full <- merge(file1, file2, by.x = "Cross.Ref", by.y = "Key", all = TRUE)

# 筛选出不匹配的行：要么file1的信息缺失，要么file2的信息缺失
unmatched_products <- merged_full[is.na(merged_full$GROUP) | is.na(merged_full$Product), ]

这里的逻辑很直观：

• is.na(merged_full$GROUP)：表示file2里的某个Key在file1的Cross.Ref里找不到对应项
• is.na(merged_full$Product)：表示file1里的某个Cross.Ref在file2的Key里找不到对应项
  这两类都是你要的不匹配产品

方法2：用dplyr的anti_join（大数据量更高效） #

如果你的CSV数据量特别大，全连接可能会占用过多内存，这时候用dplyr的anti_join会更高效，它直接返回左表中在右表找不到匹配的行，不用先合并所有数据：

library(dplyr)

# 找出file1中Cross.Ref不在file2的Key里的产品
unmatched_from_file1 <- anti_join(file1, file2, by = c("Cross.Ref" = "Key"))

# 找出file2中Key不在file1的Cross.Ref里的产品
unmatched_from_file2 <- anti_join(file2, file1, by = c("Key" = "Cross.Ref"))

# 把两部分不匹配的数据合并成最终结果（如果需要统一输出的话）
final_unmatched <- bind_rows(unmatched_from_file1, unmatched_from_file2)

这种方法的优势很明显：

• 内存占用更低，处理大文件速度更快
• 可以清晰区分哪些不匹配项来自哪个原始文件

你可以根据自己的需求选其中一种方法试试，应该就能得到你想要的所有不匹配产品啦～

内容的提问来源于stack exchange，提问作者c_174