【R语言】R语言中 rbind() 与 merge() 的区别详解

R语言中 rbind() 与 merge() 的区别详解

在R语言中，对两个数据框（data.frame）进行合并操作的常用函数有 rbind() 和 merge()，但它们的用途和逻辑完全不同。本文就来详细介绍一下这两个函数的区别与应用场景。

1 rbind() —— 按行拼接

1.1 基本功能

• 作用：把两个数据框按照“行”的维度进行拼接（row bind），也就是增加数据的“条数”，但是每个数据的“属性”不变化。
• 要求：两个数据框必须具有 相同的列名 和 相同的列数，否则会报错或强制补 NA。
• 常见用途：当两个数据框结构相同，只是观测值不同，需要纵向叠加时。

1.2 示例

df1 <- data.frame(id = 1:3, value = c("A", "B", "C"))
df2 <- data.frame(id = 4:5, value = c("D", "E"))rbind(df1, df2)

结果：

  id value
1  1     A
2  2     B
3  3     C
4  4     D
5  5     E

👉 df2 的数据被直接拼接在 df1 的下面。

2 merge() —— 按键合并

2.1 基本功能

• 作用：根据一个或多个键列（key），把两个数据框进行 数据库式的合并，非常类似 SQL 的 JOIN，或者GIS中的表连接。

• 参数：

  • by：指定键列。如果不写，默认使用两个数据框中同名的列。
  • all、all.x、all.y：控制是否保留不匹配的行，类似 SQL 中的全连接、左连接、右连接。

all：逻辑值，all = L 是 all.x = L 和 all.y = L 的简写，L 可以是 TRUE 或 FALSE。
all.x：逻辑值，默认为 FALSE。如果为 TRUE, 显示 x 中匹配的行，即便 y 中没有对应匹配的行，y 中没有匹配的行用 NA 来表示。
all.y：逻辑值，默认为 FALSE。如果为 TRUE, 显示 y 中匹配的行，即便 x 中没有对应匹配的行，x 中没有匹配的行用 NA 来表示。

2.2 示例

df1 <- data.frame(id = 1:3, score = c(90, 85, 88))
df2 <- data.frame(id = c(2, 3, 4), name = c("Tom", "Jerry", "Lucy"))merge(df1, df2, by = "id", all = TRUE)

结果：

  id score  name
1  1    90  <NA>
2  2    85   Tom
3  3    88 Jerry
4  4  <NA>  Lucy

👉 可以看到，id 相同的行被合并到一起，不匹配的地方用 NA 填充。

3 详细解释 merge() 函数和 SQL 的 JOIN 功能的相似性

（此处参考：R 数据重塑 | 菜鸟教程 。）

merge() 设置	SQL 等价	保留哪些行
默认（all = FALSE）	INNER JOIN	仅键匹配成功的行
all.x = TRUE	LEFT JOIN	左表全部 + 右表匹配，不匹配右侧补 NA
all.y = TRUE	RIGHT JOIN	右表全部 + 左表匹配，不匹配左侧补 NA
all = TRUE 或 all.x=TRUE & all.y=TRUE	FULL OUTER JOIN	两表全部，任何一侧不匹配的用对侧列 NA 补齐

3.1 示例与结果对照

x <- data.frame(id = 1:3, score = c(90, 85, 88))
y <- data.frame(id = c(2, 3, 4), name = c("Tom", "Jerry", "Lucy"))

3.1.1 内连接（默认）—— 只要公共部分

merge(x, y, by = "id")

  id score  name
1  2    85   Tom
2  3    88 Jerry

3.1.2 左连接 —— 保留 x 的所有行

merge(x, y, by = "id", all.x = TRUE)

  id score  name
1  1    90  <NA>   # y 中没有 id=1，用 NA 补
2  2    85   Tom
3  3    88 Jerry

3.1.3 右连接 —— 保留 y 的所有行

merge(x, y, by = "id", all.y = TRUE)

  id score  name
1  2    85   Tom
2  3    88 Jerry
3  4  <NA>  Lucy   # x 中没有 id=4，用 NA 补

3.1.4 全连接 —— 两边都不丢

merge(x, y, by = "id", all = TRUE)
# 同等写法：merge(x, y, by = "id", all.x = TRUE, all.y = TRUE)

  id score  name
1  1    90  <NA>
2  2    85   Tom
3  3    88 Jerry
4  4  <NA>  Lucy

3.2 几个实用细节（容易忽略）

1. 键列的指定

• by = "id"：两表键列同名。
• by.x = "key_in_x", by.y = "key_in_y"：两表键列不同名时这样写。
• 可以是多个键：by = c("id", "date")。

2. 重复键会产生“乘法效应”
   如果两边同一个键各有多行，merge() 会做笛卡尔匹配（m×n 行）。这是预期行为，非 Bug。
   必要时先 unique() 去重或在键上汇总。

3. 排序
   默认 sort = TRUE，结果会按键列排序；
   要尽量保持原表顺序（尤其左连接），用 sort = FALSE：

merge(x, y, by = "id", all.x = TRUE, sort = FALSE)

4. 同名非键列的冲突
   两表中键以外有同名列，merge() 会保留两列，并自动加后缀：
   suffixes = c(".x", ".y")（可自定义）。

5. 缺失值匹配
   默认 NA 不参与匹配；可用 incomparables = NA 阻止某些值匹配（较少用）。

4 rbind() vs merge() 核心区别

函数	合并方式	要求/特点	适用场景
rbind()	直接拼行（纵向叠加）	两个数据框必须有相同的列名和结构	数据框结构完全相同，只是增加观测值
merge()	按键匹配合并（类似 SQL JOIN）	根据某些列进行匹配，不要求列结构相同	两个数据框包含不同的变量，需要根据键对齐

5 总结

• 如果你的数据框结构一致，只是想简单地“上下拼接”，用 rbind()。
• 如果你需要根据某些列进行类似数据库表的连接，用 merge()。

掌握这两个函数的区别，有助于在数据预处理阶段更高效地完成任务。

📌 推荐用法选择：

• rbind() 更适合批量读取多个同结构数据（比如多个 Excel sheet）。
• merge() 更适合数据关联（比如学生成绩表和学生信息表的合并）。