R语言：如何将多分类列的逗号分隔值合并到目标列？

先构造一个和你场景匹配的示例数据：

library(dplyr)
library(tidyr)

df <- tibble(
  id = 1:4,
  meat = c("牛肉,猪肉", NA, NA, NA),
  fish = c(NA, "三文鱼,鳕鱼", NA, NA),
  veges = c(NA, NA, "白菜,胡萝卜", NA),
  other = c(NA, NA, NA, "鸡蛋")
)

以下是几种可行的实现方法：

方法1：dplyr逐行提取（灵活通用） #

通过rowwise()逐行处理，筛选出每行的非NA值：

df_processed <- df %>%
  rowwise() %>%
  mutate(food = first(c_across(meat:other)[!is.na(c_across(meat:other))])) %>%
  ungroup()

因为你提到每行仅一个分类列有有效值，用first()直接提取唯一的非NA值即可；如果后续有行存在多个有效值，把first()换成paste(..., collapse = ",")就能合并成逗号分隔的字符串。

方法2：tidyr快速合并（代码最简洁） #

利用unite()的na.rm参数自动忽略NA值，直接合并多列：

df_processed <- df %>%
  unite(food, meat:other, sep = "", na.rm = TRUE)

这个方法会自动把每行的非NA值保留下来，其他NA直接忽略，非常适合你的场景。

方法3：Base R原生实现（无需加载包） #

如果不想用第三方包，用apply()逐行处理：

df$food <- apply(df[, c("meat", "fish", "veges", "other")], 1, function(x) x[!is.na(x)])

关于你遇到的coalesce失效问题 #

如果之前用coalesce()没生效，大概率是这两个原因：

• 数据里的“NA”是字符串类型而非真正的缺失值，需要先转换：

  df <- df %>% mutate(across(meat:other, ~ifelse(.x == "NA", NA_character_, .x)))
  

• 没有正确选中所有分类列，比如coalesce(meat, fish, veges)要确保列顺序正确，且覆盖所有分类列。

内容的提问来源于stack exchange，提问作者WaspWatcher