硕士作业咨询：R语言合并含互补NA值的数据框方法

第一步：验证非NA值冲突 #

首先要确认两个数据框的对应变量不存在同时为非NA的情况（避免覆盖有效数据），步骤如下：

1. 读取数据（根据文件格式调整读取函数，比如SPSS文件用read_sav）：

df1 <- read.csv("你的第一个数据文件路径")
df2 <- read.csv("你的第二个数据文件路径")

2. 按个体唯一标识列（瑞士家庭面板常用pid，替换为实际列名）合并两个数据框：

library(dplyr)
merged_check <- full_join(df1, df2, by = "pid", suffix = c("_df1", "_df2"))

3. 检查对应变量对的冲突情况：
   • 如果变量名不同（比如df1是cc01，df2是c01）：

     # 筛选两个变量同时非NA的行
     conflict_rows <- merged_check %>% filter(!is.na(cc01) & !is.na(c01))
     nrow(conflict_rows) # 结果为0则无冲突
     

   • 如果变量名相同（比如都叫c01）：

     conflict_rows <- merged_check %>% filter(!is.na(c01_df1) & !is.na(c01_df2))
     nrow(conflict_rows) # 结果为0则无冲突
     

第二步：合并并填充NA值 #

确认无冲突后，用以下两种方法合并：

方法一：逐变量手动合并（适合少量变量） #

先按ID合并数据框，再用coalesce取第一个非NA值：

merged_data <- full_join(df1, df2, by = "pid")

# 合并单个变量（比如cc01和c01）
merged_data <- merged_data %>% mutate(combined_c01 = coalesce(cc01, c01))

# 批量合并多个变量（比如cc01/c01、cc02/c02...）
var_pairs <- list(c("cc01", "c01"), c("cc02", "c02")) # 按需扩展变量对
for (pair in var_pairs) {
  merged_data <- merged_data %>%
    mutate(!!paste0("combined_", pair[2]) := coalesce(!!sym(pair[1]), !!sym(pair[2])))
}

方法二：批量合并（适合大量变量） #

用tidyr的变长/变宽操作自动处理所有变量：

library(tidyr)

# 给两个数据框添加来源标记，再合并
df1 <- df1 %>% mutate(source = "df1")
df2 <- df2 %>% mutate(source = "df2")
combined_long <- bind_rows(df1, df2)

# 按ID和变量整理，提取每个ID-变量的非NA值
combined_wide <- combined_long %>%
  pivot_longer(cols = -c(pid, source), names_to = "var", values_to = "value") %>%
  filter(!is.na(value)) %>%
  pivot_wider(id_cols = pid, names_from = "var", values_from = "value")

为什么你之前的尝试无效？ #

• 删除NA再合并：会丢失个体的跨数据框关联，导致无法对应同一个体的互补值。
• coalesce(cc01,c01)：未按个体ID对齐两个向量，行匹配错误导致填充结果混乱。
• melt(list(c01, cc01))：仅对变量做变长转换，未关联个体ID，无法正确匹配同一个体的两个变量值。

内容的提问来源于stack exchange，提问作者Geneva