如何在R语言中合并数据框中含NA的两类人群变量生成新变量

我来帮你搞定这个需求！你想要把两个分别对应A、B类人群的互补变量（每行只有一个非NA值）合并成一个新变量，咱们先分析下问题，再给出几种靠谱的解法。

为什么你的代码没生效？ #

你的代码逻辑本身是通顺的，但可能在实际数据中遇到了向量索引匹配异常（比如数据行索引混乱），或者存在Total和Total2同时为NA的行？不过从你的示例数据来看，代码理论上应该能运行，但咱们换更稳健的方法会更稳妥。

推荐解法1：用dplyr的coalesce函数（最简洁） #

coalesce函数专门用来按行提取第一个非NA的值，完全契合你的场景：

首先确保安装并加载dplyr包：

# 如果没装过dplyr先安装
install.packages("dplyr")
library(dplyr)

然后一行代码搞定合并：

data$All_var <- coalesce(data$Total, data$Total2)

运行后你的数据框就会生成想要的All_var列，和你给出的示例结果完全一致。

解法2：Base R原生ifelse实现（无需额外包） #

如果不想加载第三方包，用base R的ifelse也能轻松实现：

data$All_var <- ifelse(is.na(data$Total), data$Total2, data$Total)

逻辑很直白：当Total是NA时，取Total2的值；否则直接用Total的值，完美适配你的互补变量结构。

解法3：修正你原有的代码 #

你的代码逻辑没问题，只是可以优化索引方式避免潜在的匹配问题：

# 先初始化All_var为Total的值
data$All_var <- data$Total
# 提取Total为NA的行索引
na_rows <- is.na(data$Total)
# 给这些行赋值Total2对应的值
data$All_var[na_rows] <- data$Total2[na_rows]

把索引先存为变量再赋值，能避免因行索引混乱导致的赋值失败问题，在你的示例数据上运行也能得到正确结果。

验证结果 #

用你的示例数据测试以上任意一种方法，最终的All_var都会是c(1, 8, 9, 5)，完全符合你的预期。

内容的提问来源于stack exchange，提问作者JohnD