R语言按组合并数据框行并填充缺失值问题

你需要按record_id和instance分组，每组仅保留一行并填充其他列的缺失值。当前使用fill的代码完成了缺失值填充，但没有对分组后的重复行去重，补充步骤即可实现需求。

原始数据 #

mydata <- data.frame(
  record_id = c(1,1,1,1,1),
  instance = c(1,2,3,4,1),
  off_h = c(1,NA,0,0,0),
  off_c = c(NA,NA,0,0,0),
  off_p = c(NA,1,1,1,1)
)

期望输出 #

record_id instance off_h off_c off_p
1         1        1     1     0     1
2         1        2     0     0     1
3         1        3     0     0     1
4         1        4     0     0     1

解决方法 #

方法1：填充后去重 #

先通过fill按分组双向填充缺失值，再用distinct保留每组的唯一行：

library(dplyr)
library(tidyr)

mydata %>%
  group_by(record_id, instance) %>%
  fill(off_h, off_c, off_p, .direction = "updown") %>%
  distinct(record_id, instance, .keep_all = TRUE)

方法2：分组聚合提取非缺失值 #

如果每组内的非缺失值是唯一的（同一分组下某列的非缺失值无冲突），可以直接对分组后的列提取非缺失值的第一个有效值：

mydata %>%
  group_by(record_id, instance) %>%
  summarise(
    across(c(off_h, off_c, off_p), ~first(na.omit(.x))),
    .groups = "drop"
  )

两种方法都能得到你想要的期望输出。

内容的提问来源于stack exchange，提问作者akang