您可以将match与lapply一起使用。如果我们在每个原始数据集的ID列上迭代[[，并在名称向量上进行匹配，我们可以得到所需的结果。

nm <- c("AGE", "SEX")
df2[nm] <- lapply(nm, function(x) df1[[x]][match(df2$ID, df1$ID)])
df2
#      ID AGE SEX  Conc
# 1 90901  39   0  5.00
# 2 90901  39   0 10.00
# 3 90901  39   0 15.00
# 4 90903  40   1 30.00
# 5 90903  40   1  5.00
# 6 90902  28   0  2.45
# 7 90902  28   0 51.00
# 8 90902  28   0  1.00
# 9 70905  NA  NA  0.50

请注意，这也比merge快得多。

试试merge(df1, df2, by = "id")这将把两个数据框合并在一起。如果您的示例很好地表示了您的实际数据，那么在合并之前，您可能需要继续删除df2中的age和sex列。

df2$AGE <- NULL
df2$SEX <- NULL
df3 <- merge(df1, df2, by = "id")

如果你需要保留来自df2的行，即使你在df1中没有匹配的id，那么你可以这样做：

df2 <- subset(df2, select = -c(AGE,SEX) )
df3 <- merge(df1, df2, by = "id", all.y = TRUE)

您可以通过在r控制台中键入?merge()来了解有关merge（或任何r函数）的更多信息。

下面是dplyr(v1.0.0)方法，它只覆盖df2中的NA值：

rows_patch(df2 %>%mutate(across(AGE:SEX,as.integer)),df1)

     ID AGE SEX  Conc
1 90901  39   0  5.00
2 90901  39   0 10.00
3 90901  39   0 15.00
4 90903  40   1 30.00
5 90903  40   1  5.00
6 90902  28   0  2.45
7 90902  28   0 51.00
8 90902  28   0  1.00
9 70905  NA  NA  0.50