一个选项是对'v1'执行full_join，然后对'v2'列执行coalesce

library(dplyr)
full_join(df1, df2, by = 'v1') %>%
    transmute(v1, v2 = coalesce(v2.x, v2.y))

下面是一个简单的基本解决方案：

> df3 = df2
> df3$v2 = ifelse(is.na(df1$v2),df2$v2,df1$v2)
> df3
  v1 v2
1  a  1
2  b  2
3  c  3
4  d  4

ifelse根据一列的NA性质从一列或另一列中选取数字。
它不包括两个或两个源v2列都是NA的情况，但在您的示例中没有，并且您没有提到它……

我确信我是从@akrun那里得到这个的，但找不到这个帖子。发布一个答案以供将来参考：

library(data.table)
setDT(df1)[df2, v2i := i.v2, on='v1'][is.na(v2), v2 := v2i][,v2i:= NULL][]

#>    v1 v2
#> 1:  a  1
#> 2:  b  2
#> 3:  c  3
#> 4:  d  4

创建于2019-05-13由reprex package（v0.2.1）
@Henrik的评论还提出了以下建议：
setDT(df1)[is.na(v2), v2 := setDT(df2)[.SD, v2, on = .(v1)]]
但我个人更喜欢第一种解决方案，主要是因为获得答案的顺序（首先加入 Dataframe ，然后替换NA）。

我们可以使用{powerjoin}：

library(powerjoin)
power_left_join(df1, df2, by = "v1", conflict = coalesce_xy)
#   v1 v2
# 1  a  1
# 2  b  2
# 3  c  3
# 4  d  4