处理含NA的大型DataFrame：合并重复ShopperID行并保留列

问题说明 #

手里有个带NA的大型tibble，要实现两个需求：按ShopperID合并重复行，把Colors和Produce列的所有值合并成单个条目，同时得保住所有其他列（比如ZipCode）。

之前的代码存在矛盾：分组时加ZipCode，会因为NA生成多余的行；不加ZipCode，又会直接丢列。现在要找个不丢行、不丢列的正确写法。

解决思路和代码 #

核心逻辑是按ShopperID分组后，分开处理两类列：需要合并的列（Colors、Produce）做字符串拼接，其他列保留非NA的有效值（全NA就保留NA）。

基础实现（列少的场景） #

library(dplyr)

SO_Example_1 %>%
  group_by(ShopperID) %>%
  summarise(
    # 处理非合并列：取非NA的唯一值，全NA则返回NA
    FirstName = {
      valid_vals <- na.omit(FirstName)
      if (length(valid_vals) == 0) NA else unique(valid_vals)
    },
    LastName = {
      valid_vals <- na.omit(LastName)
      if (length(valid_vals) == 0) NA else unique(valid_vals)
    },
    ZipCode = {
      valid_vals <- na.omit(ZipCode)
      if (length(valid_vals) == 0) NA else unique(valid_vals)
    },
    # 处理合并列：先过滤NA再拼接，避免出现NA混在内容里
    Produce = paste(na.omit(Produce), collapse = ","),
    Colors = paste(na.omit(Colors), collapse = ",")
  ) %>%
  ungroup()

批量处理（列多的场景） #

如果tibble里除了ShopperID、Colors、Produce还有大量其他列，用across批量处理更高效：

SO_Example_1 %>%
  group_by(ShopperID) %>%
  summarise(
    # 批量指定要保留的列，统一处理逻辑
    across(c(FirstName, LastName, ZipCode), ~ {
      valid_vals <- na.omit(.)
      if (length(valid_vals) == 0) NA else unique(valid_vals)
    }),
    # 合并列的处理逻辑不变
    Produce = paste(na.omit(Produce), collapse = ","),
    Colors = paste(na.omit(Colors), collapse = ",")
  ) %>%
  ungroup()

额外调整说明 #

• 如果同一个ShopperID下，某个非合并列有多个不同的非NA值（比如同一个ID对应两个不同ZipCode），可以根据业务需求修改逻辑：比如用first(na.omit(.))保留第一个出现的非NA值，或者用paste(unique(na.omit(.)), collapse = ",")把所有不同值合并成字符串。
• 如果需要保留合并列中的NA标记，可以去掉na.omit，直接写paste(., collapse = ",")。

内容的提问来源于stack exchange，提问作者pleasecallmegarry