在 R 中，如何合并两个数据集（一个基线和一个后续数据集），同时考虑到失访的个人？

【问题标题】：In R, how can I merge two datasets (one baseline and one follow-up) while taking into account individuals lost to follow-up?在 R 中，如何合并两个数据集（一个基线和一个后续数据集），同时考虑到失访的个人？
【发布时间】：2022-12-09 01:07:33
【问题描述】：

预先感谢您的帮助。

我有大约 30000 个人的基线数据集。每个人都有一个唯一的身份证号码。我还有一个包含同一个人的后续数据集，可能有 2000 人失访。我正在尝试合并这些数据集，为每个 ID 号匹配来自两个数据集的数据。对于失访的个人，我想将他们保留在合并数据集中，但他们的行可能需要包含一堆 NA，因为无法在后续数据集中衡量结果。

R中有没有办法解决这个问题？

（作为一个相对较新的 R 用户，我真的不知道如何开始解决这个问题。我觉得我需要使用 dplyr，但是根据他们的 ID 从两个数据集中匹配个人并为那些失去后续行动超出了我的范围。任何帮助或提示将不胜感激。）

【问题讨论】：

标签： r database dplyr data-manipulation

【解决方案1】：

您可以将 merge 与 all.x 命令一起使用 - 先放置基线数据，然后再放置后续数据。例如，假设您的基线数据是bl，后续数据是fu：

bl <- data.frame(id = 1:20,
                var_bl = letters[1:20])

fu = data.frame(id = 1:15,
               var_fu = letters[1:15])

all <- merge(bl, fu, by = "id", all.x = TRUE)

输出：

   id var_bl var_fu
1   1      a      a
2   2      b      b
3   3      c      c
4   4      d      d
5   5      e      e
6   6      f      f
7   7      g      g
8   8      h      h
9   9      i      i
10 10      j      j
11 11      k      k
12 12      l      l
13 13      m      m
14 14      n      n
15 15      o      o
16 16      p   <NA>
17 17      q   <NA>
18 18      r   <NA>
19 19      s   <NA>
20 20      t   <NA>

【讨论】：