如何用dplyr在R中按lesion_id合并REDCap导出的多行数据？

我从REDCap导出了一份数据，由于包含多个表单，不同表单的结果被分到不同行，但这些行隶属于同一个lesion_id和patient_id。我希望合并这些行，使每个lesion_id对应一行完整数据（部分患者有多个病灶）。尝试使用pivot_wider但效果不佳，请问用dplyr实现该需求的最佳方法是什么？

当前数据示例 #

library(tibble)
library(tidyverse)

data <- tribble(
  ~lesion_id, ~patient_id, ~complete, ~ct_finding, ~guess, ~malignancy,
  "747-1", 747, "complete", NA, NA, 0,
  "747-1", 747, NA, "lesion growth", NA, 0,
  "747-1", 747, NA, NA, "Non-Malignant", 0,
  "747-2", 747, "incomplete", NA, NA, 1,
  "747-2", 747, NA, "remission", NA, 1,
  "747-2", 747, NA, NA, "Non-Malignant", 1
)

期望数据格式 #

desired_data <- tribble(
  ~lesion_id, ~patient_id, ~complete, ~ct_finding, ~guess, ~malignancy,
  "747-1", 747, "complete", "lesion growth", "Non-Malignant", 0,
  "747-2", 747, "incomplete", "remission", "Non-Malignant", 1
)

解决方案 #

核心思路是按lesion_id和patient_id分组，提取每组内各字段的唯一非NA值。用dplyr的分组+汇总操作即可简洁实现：

library(dplyr)

merged_data <- data %>%
  group_by(lesion_id, patient_id) %>%
  summarise(across(everything(), ~ first(na.omit(.x))), .groups = "drop")

代码说明 #

• group_by(lesion_id, patient_id)：将同一病灶的所有行归为一组，确保合并逻辑的准确性
• summarise(across(everything(), ~ first(na.omit(.x))))：遍历所有列，先剔除该列的NA值，再取第一个（也是唯一的）有效数据
• .groups = "drop"：完成汇总后自动取消分组，返回常规数据框结构

执行后得到的merged_data与期望的desired_data完全一致。

你也可以用purrr的reduce()结合coalesce()实现相同效果，逻辑是将每组内的行逐列合并，自动保留非NA值：

library(purrr)
library(dplyr)

merged_data <- data %>%
  group_by(lesion_id, patient_id) %>%
  summarise(across(everything(), ~ reduce(.x, coalesce)), .groups = "drop")

内容的提问来源于stack exchange，提问作者John Ryan