如何在R中对数据框列执行滚动coalesce操作

方法一：用dplyr + purrr实现累积coalesce #

借助purrr::accumulate()可以完成逐列的累积合并操作，完全无需循环：

library(dplyr)
library(purrr)

# 构造示例数据
df <- tibble(
  stage1 = c("a", NA, NA, NA),
  stage2 = c(NA, "d", NA, NA),
  stage3 = c("b", NA, "f", NA),
  stage4 = c("c", "e", "g", "h")
)

# 核心处理逻辑
df_result <- df %>%
  mutate(across(everything(), ~ accumulate(., coalesce)))

原理是对每一列的序列（从第一列到当前列），用accumulate逐步执行coalesce，最终每一列都会保留该行第一个非NA值并填充至后续位置。

方法二：base R原生实现 #

如果不想加载额外包，用apply配合自定义逻辑也能实现：

字符型数据场景 #

df_result <- t(apply(df, 1, function(x) {
  first_non_na <- which(!is.na(x))[1]
  if (is.na(first_non_na)) x else replace(x, first_non_na:length(x), x[first_non_na])
})) %>% as.data.frame()

逻辑型数据场景（TRUE为有效值，NA/FALSE为缺失） #

# 先将原数据转为逻辑型示例
df_logic <- df %>% mutate(across(everything(), ~ !is.na(.)))

df_result_logic <- t(apply(df_logic, 1, function(x) {
  first_true <- which(x)[1]
  if (is.na(first_true)) x else replace(x, first_true:length(x), TRUE)
})) %>% as.data.frame()

方法三：基于你的coacross函数优化 #

复用你写的coacross，结合cur_column()指定列范围，避免显式循环：

coacross <- function(...) {
  coalesce(!!!across(...))
}

df_result <- df %>%
  mutate(across(stage2:stage4, ~ coacross(stage1:cur_column())))

这个写法直接针对stage2到stage4列，每一列自动调用coacross处理从stage1到当前列的范围。

内容的提问来源于stack exchange，提问作者Juan C