如何通过full_join合并df.old与df.new并填充缺失值、整合新列新行

我有两个数据框df.old和df.new：

• df.old包含分组变量grp，其中分组2的A_t1、B_t1、C_t1存在缺失值，这些缺失值可在df.new中找到对应数据
• 需要以PID为键对两个数据框执行全连接，用df.new的数据填充缺失值，同时保留df.new的额外列（A_t2）和新增行（PID21-23）
• 最终输出需包含PID1至23，列A_t1、B_t1、C_t1、A_t2，且A_t1、B_t1、C_t1无缺失值

生成数据的代码 #

size.old <- 20
set.seed(1)

# 生成df.old：分组2的A_t1、B_t1、C_t1为缺失值
df.old <- data.frame(PID = 1:size.old,
                     grp = sample(1:3, size.old, replace = TRUE),
                     A_t1 = sample(1:10, size.old, replace = TRUE), 
                     B_t1 = sample(1:10, size.old, replace = TRUE), 
                     C_t1 = sample(1:10, size.old, replace = TRUE)
                     ) %>%
          mutate(A_t1 = ifelse(grp == 2, NA, A_t1),
                 B_t1 = ifelse(grp == 2, NA, A_t1),
                 C_t1 = ifelse(grp == 2, NA, A_t1)) %>%
  arrange(grp)

# df.old输出预览
#   PID grp A_t1 B_t1 C_t1
# 1    1   1    5    5    5
# 2    3   1    9    9    9
# 3    5   1    5    5    5
# 4   12   1    3    3    3
# 5   13   1    6    6    6
# 6   14   1   10   10   10
# 7   20   1    9    9    9
# 8    4   2   NA   NA   NA
# 9    8   2   NA   NA   NA
# 10   9   2   NA   NA   NA
# 11  15   2   NA   NA   NA
# 12  16   2   NA   NA   NA
# 13  17   2   NA   NA   NA
# 14  18   2   NA   NA   NA
# 15   2   3    5    5    5
# 16   6   3    5    5    5
# 17   7   3    2    2    2
# 18  10   3    1    1    1
# 19  11   3    4    4    4
# 20  19   3   10   10   10

# 生成df.new：包含分组2缺失值的补充数据，以及新增PID21-23的行
df.new <- data.frame(PID = c(4, 8, 9, 15, 16, 17, 18, 20, 21, 22, 23),
                     A_t1 = sample(1:10, size=11, replace = TRUE),
                     A_t2 = sample(1:10, size=11, replace = TRUE)
)

# df.new输出预览
#   PID A_t1 A_t2
# 1    4    2   10
# 2    8    2    8
# 3    9    3   10
# 4   15    1    4
# 5   16    2    5
# 6   17    3    9
# 7   18    3    5
# 8   20    3    7
# 9   21    8    5
# 10  22    9    6
# 11  23    2    4

原尝试代码的问题 #

直接执行全连接只会将重复列重命名（如A_t1.x、A_t1.y），不会自动填充缺失值：

# 此代码仅重命名公共列而非填充缺失值
full_join(df.old, df.new, by = "PID") 

解决方案 #

使用dplyr的full_join结合coalesce函数填充缺失值，同时根据df.old的规律（非缺失行的B_t1、C_t1与A_t1值一致）处理对应列的缺失：

library(dplyr)

df_final <- full_join(df.old, df.new, by = "PID") %>%
  # 用df.new的A_t1填充df.old的A_t1缺失值
  mutate(A_t1 = coalesce(A_t1.x, A_t1.y),
         # 处理B_t1：原缺失值用填充后的A_t1赋值，否则保留原值
         B_t1 = ifelse(is.na(B_t1), A_t1, B_t1),
         # 处理C_t1：逻辑同B_t1
         C_t1 = ifelse(is.na(C_t1), A_t1, C_t1),
         # 保留A_t2列，无数据的行设为NA（若需要填充可自行补充规则）
         A_t2 = A_t2) %>%
  # 选择需要的列并按PID排序
  select(PID, grp, A_t1, B_t1, C_t1, A_t2) %>%
  arrange(PID)

# 查看结果示例
head(df_final, 10)

结果说明 #

• 分组2的A_t1、B_t1、C_t1已用df.new的数据填充，无缺失值
• 新增的PID21-23行完整保留，包含A_t1和A_t2数据
• 原df.old中无A_t2的行（如PID1、3等），A_t2列显示为NA，若需要填充可根据业务规则添加逻辑（比如设为0或其他默认值）

内容的提问来源于stack exchange，提问作者D. Studer