如何基于date匹配，用另一DataFrame仅填充目标DataFrame的缺失值？

嘿，我明白你的问题了——原来的写法会不小心覆盖掉df1里已经存在的非缺失值，而且逐列处理太麻烦对吧？咱们来一步步解决：

1. 先修正单列替换，避免覆盖非缺失值 #

你之前的代码之所以会替换掉第3行的val2，是因为data.table的直接赋值会把所有匹配到date的行都替换，不管原字段是不是NA。咱们用fifelse加个判断，只在原字段为NA的时候才替换：

library(data.table)
setDT(df1)
setDT(df2)

# 仅替换val2列的NA值，保留非缺失值
df1[df2, val2 := fifelse(is.na(val2), i.val2, val2), on = .(date)]

这样处理后，df1第3行的val2就会保留原来的数值，不会被df2的值覆盖了。

2. 批量填充所有需要的列，不用逐列写代码 #

如果要一次性处理val2、val3这类多列，咱们可以先提取df2中除了date之外的列名，然后循环或者用lapply批量处理：

方法一：循环处理（直观易懂） #

# 获取需要填充的列（df2中除date外的所有列）
fill_columns <- setdiff(names(df2), "date")

# 循环遍历每一列，执行NA替换逻辑
for (col in fill_columns) {
  df1[df2, (col) := fifelse(is.na(get(col)), get(paste0("i.", col)), get(col)), on = .(date)]
}

方法二：用.SD和lapply（更简洁的data.table风格） #

fill_columns <- setdiff(names(df2), "date")

df1[df2, (fill_columns) := lapply(fill_columns, function(col) {
  fifelse(is.na(get(col)), get(paste0("i.", col)), get(col))
}), on = .(date)]

处理后的结果验证 #

执行完上面的代码后，df1会变成这样：

df1
         date       val1       val2       val3
1: 2001-01-01 -0.84085548 -0.6029080 -0.2857736
2: 2001-02-01  1.38435934 -0.4721664  0.1381082
3: 2001-03-01 -1.25549186 -0.6353713  1.2276303
4: 2001-04-01  0.07014277 -1.0803926 -0.1389861
5: 2001-05-01  1.71144087 -0.1575344 -0.5973131

可以看到：

• 第3行的非缺失值完好保留
• 第4、5行的NA被df2对应日期的值成功替换

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