R语言中基于指定列去重并正确处理NA值的实现方案

我完全懂你的困扰——你需要按country和year去除重复行，同时保留每个分组里的非NA值，还要避免把全NA的分组错误转换成0（这会和真实的0值混淆）。之前用sum(.x, na.rm = TRUE)的思路确实会踩这个坑，下面给你两种简洁且准确的解决方案：

方案1：使用coalesce（最简洁） #

你的数据集里，每个country+year分组的同一列中，最多只有一个非NA值（另一行是NA），所以可以利用coalesce函数直接提取非NA值，全NA时自动返回NA：

library(dplyr)

df_cleaned <- df %>%
  select(-iso2c) %>%  # 移除不需要的iso2c列
  group_by(country, year) %>%
  summarise(
    across(everything(), ~ do.call(coalesce, .x)),  # 提取分组内第一个非NA值，全NA则返回NA
    .groups = "drop"  # 取消分组，返回常规数据框
  )

方案2：显式判断全NA情况 #

如果你需要更清晰的逻辑展示，可以显式检查分组内是否全为NA，再决定返回值：

library(dplyr)

df_cleaned <- df %>%
  select(-iso2c) %>%
  group_by(country, year) %>%
  summarise(
    across(everything(), ~ if(all(is.na(.x))) NA else na.omit(.x)[1]),
    .groups = "drop"
  )

验证效果 #

拿你提供的数据集测试：

• 1991年的分组所有列都是NA，处理后会保留NA，不会变成0
• 1985年的分组，各列会正确保留对应的非NA值（比如DT.ODA.ODAT.GN.ZS保留1.3528，DT.ODA.ODAT.GD.ZS保留1.3299）
• 全NA的列（比如DT.ODA.ODAT.XP.ZS）在所有分组中都会保留NA，不会被转换

这样就完美解决了数据混淆的问题，同时满足去重和NA值保留的需求。

内容的提问来源于stack exchange，提问作者Macosso