求助：迭代填补/还原企业缺失ID值的R函数问题

我长期浏览论坛，首次发帖，若表述有疏漏敬请谅解。现遇到以下技术问题：

• 手中有一份整合多来源的拼凑式面板数据集，包含18个不一致的企业ID变量，同一企业的观测中存在大量NA值，需还原缺失ID以尽可能完善数据。
• 该数据集为面板数据，企业随时间会发生合并、迁移、变更法律状态等情况，部分ID变量编码会随观测时间变化，此类冲突案例需过滤，避免错误填补。
• 我尝试编写迭代填补函数：提取变量名向量，循环遍历每个变量，按该变量分组后统计其他变量的唯一值数量，若其他变量唯一值均≤1则视为可填补组，用组内首个非NA值填补对应NA；否则视为冲突跳过。但当前代码循环逻辑有误，未能识别所有可填补数据。

示例数据 #

# 示例数据：ID 1可填补，ID 2不可填补
data <- data.frame(ID = c(1, 1, NA, 2, NA, 2, 2, 2),
ID_Variable_1 = c(10, 10, NA, 20, 20, 20, 19, 18),   
ID_Variable_2 = c(NA, 8, 8, 16, 16, 16, NA, NA),   
ID_Variable_3 = c(NA, 8, 8, NA, 10, NA, NA, NA),   
ID_Variable_4 = c("A10", NA, NA, NA, NA, "B12", "B12", "B12"))

当前尝试代码 #

# 当前尝试代码
### 提取变量名向量
column_vector <- names(data) 

### 定义填补函数
Impute_missing_data <- function(data, column_vector){   

#### 备份数据
temp_data <- data  

#### 遍历每个变量
for (i in column_vector) {

#### 识别无冲突的可填补组
imputation_candidates <- temp_data %>%       
group_by_at(vars(i)) %>%       
summarise(across(everything(), ~ n_distinct(., na.rm = TRUE))) %>%       
filter(if_all(-i, ~ . <= 1), .preserve = TRUE)

#### 获取可填补的ID值
imputation_applying <- imputation_candidates[[i]] 

#### 填补缺失值
temp_data <- temp_data %>%       
group_by_at(vars(i)) %>%       
mutate(across(everything(), ~ ifelse(.x %in% imputation_applying & is.na(.), first(.x[!is.na(.x)]), .x))) %>% ungroup()   
}   

#### 返回更新后的数据
return(temp_data) 
}

期望输出 #

# 期望输出
data_temp <- data.frame(ID = c(1, 1, 1, NA, 2, NA, 2, 2, 2),
ID_Variable_1 = c(10, 10, 10, 11, 20, 20, 20, 19, 18),   
ID_Variable_2 = c(8, 8, 8, 12, 16, 16, 16, NA, NA),   
ID_Variable_3 = c(8, 8, 8, NA, NA, 10, NA, NA, NA),   
ID_Variable_4 = c("A10", "A10", "A10", NA, NA, NA, "B12", "B12", "B12"))

内容的提问来源于stack exchange，提问作者Sam Deegan