在R中基于国家与年份匹配从DataFrame提取数据合并至目标表

问题分析 #

你遇到的报错核心原因是mutate默认是向量化操作：它会把country和year当作整个列来处理，而非逐行取对应的值。这就导致which(colnames(df2) == year)里的year被识别为整列数据，无法匹配df2的字符串类型年份列名；同时df2$country == country会生成长度不匹配的逻辑向量，最终触发错误。

推荐解决方案：宽转长 + 关联匹配 #

最清晰且高效的方式是先把df2从宽格式转换成长格式，再用left_join和df1关联，这是tidyverse生态的标准做法：

首先我们先构建示例数据并处理格式问题（你的数据用逗号作为小数分隔符，需要转换成标准数值）：

library(dplyr)
library(tidyr)

# 模拟你的df1和df2
df1 <- tibble(
  country = c("A", "B", "C", "F", "E"),
  year = c(2008, 2008, 2009, 2004, 2006)
)

df2 <- tibble(
  country = c("A", "B", "C", "F", "E", "F", "G", "H", "I"),
  `2004` = c("3,74972737", "3,62151043", "25,0489995", "4,78583195", "3,44897379", "5,98651552", "5,65500512", "7,05863621", "7,67535068"),
  `2005` = c("3,69814069", "1,54726382", "10,7724208", "5,04811878", "0,78317304", "4,89339392", "7,29449815", "6,01378976", "3,63781612"),
  `2006` = c("1,8119572", "-3,799075", "9,41065376", "3,46842543", "-2,2531746", "2,31922692", "2,96201437", "5,04512479", "-3,5861456"),
  `2007` = c("2,0058797", "1,92867306", "4,85433932", "3,78590254", "2,74421327", "2,11685013", "5,37337313", "5,57180227", "1,32402682"),
  `2008` = c("2,3728207", "2,92279764", "0,06592277", "4,19162568", "1,79830266", "2,96275035", "6,62686519", "6,46438388", "1,91501801"),
  `2009` = c("3,63424962", "0,68044437", "2,20000019", "4,01936553", "0,23479692", "4,81028341", "6,45269876", "6,52143508", "0,03094361")
)

# 步骤1：将df2转成长格式，同时处理数值转换（逗号转小数点）
df2_long <- df2 %>%
  pivot_longer(
    cols = -country,  # 保留country列，其他列转成长格式
    names_to = "year", # 原列名作为year字段
    values_to = "gdp"  # 原列值作为gdp字段
  ) %>%
  mutate(
    year = as.integer(year),  # 统一年份类型，和df1匹配
    gdp = as.numeric(gsub(",", ".", gdp))  # 替换逗号为小数点，转成数值
  )

# 步骤2：关联df1和df2_long，匹配country和year
result <- df1 %>%
  left_join(df2_long, by = c("country", "year")) %>%
  # 处理重复匹配（比如F2004有两条记录），取最后一条和你的期望结果一致
  group_by(country, year) %>%
  slice_last() %>%
  ungroup()

print(result)

运行后会得到你期望的结果：

# A tibble: 5 × 3
  country  year    gdp
  <chr>   <int>  <dbl>
1 A        2008  2.37 
2 B        2008  2.92 
3 C        2009  2.20 
4 F        2004  5.99 
5 E        2006 -2.25

修复你原来的代码：逐行处理 #

如果你想保留原有的mutate思路，可以用rowwise()让代码逐行处理，这样country和year就会取每行的对应值：

library(dplyr)

# 先处理df2的数值格式
df2_processed <- df2 %>%
  mutate(across(-country, ~as.numeric(gsub(",", ".", .))))

# 逐行处理df1
result <- df1 %>%
  rowwise() %>%
  mutate(
    gdp = {
      # 找到df2中匹配当前country的行
      match_rows <- df2_processed$country == country
      # 找到匹配当前year的列（需转成字符串，因为df2列名是字符串）
      match_col <- colnames(df2_processed) == as.character(year)
      # 提取对应值，处理重复匹配取最后一条
      last(df2_processed[match_rows, match_col, drop = TRUE])
    }
  ) %>%
  ungroup()

print(result)

这种方法也能得到正确结果，但数据量大时效率不如宽转长+join，因为rowwise是逐行循环处理，而join是向量化操作。

关键注意点 #

1. 类型匹配：df1的year是整数，df2的列名是字符串，必须统一类型才能匹配；
2. 小数分隔符：你的数据用逗号作为小数分隔符，必须转换成标准小数点才能识别为数值；
3. 重复匹配：当同一个country+year有多条记录时，需要明确取哪一条，示例中我们取了最后一条以匹配你的期望结果。

内容的提问来源于stack exchange，提问作者stefan