如何用tidyverse或其他方法合并DataFrame同核心名多列为单列？

原始数据 #

你提供的原始DataFrame代码如下：

nr=c(1:6)
s_psy01=c(NA,NA,NA,NA,4,5)
l_psy01=c(NA,NA,2,3,NA,NA)
r_psy01=c(2,5,NA,NA,NA,NA)
s_psy02=c(NA,NA,NA,NA,2,3)
l_psy02=c(NA,NA,5,2,NA,NA)
r_psy02=c(3,5,NA,NA,NA,NA)
s_psy03=c(NA,NA,NA,NA,2,4)
l_psy03=c(NA,NA,2,5,NA,NA)
r_psy03=c(1,3,NA,NA,NA,NA)
df <- data.frame(nr,s_psy01, l_psy01, r_psy01,
                 s_psy02, l_psy02, r_psy02,
                 s_psy03, l_psy03, r_psy03)

需求说明 #

需要将每组s_psyXX、l_psyXX、r_psyXX三列合并为单个psyXX列，由于每组三列的NA值互补（每行仅含一个非NA值），核心操作是提取每行的非NA值。

方法一：使用tidyverse工具包 #

借助dplyr的mutate()配合tidyr的coalesce()函数，高效完成合并：

library(tidyverse)

# 生成合并列并筛选目标列
df_processed <- df %>%
  mutate(
    # 按顺序取每行第一个非NA值
    psy01 = coalesce(s_psy01, l_psy01, r_psy01),
    psy02 = coalesce(s_psy02, l_psy02, r_psy02),
    psy03 = coalesce(s_psy03, l_psy03, r_psy03)
  ) %>%
  select(nr, starts_with("psy")) # 可选：仅保留nr和新生成的psy列

说明：coalesce()函数会依次检查每行的列，返回第一个非NA值，完美适配你的数据结构。如果不需要保留原始列，select()可以快速筛选出目标列。

方法二：基础R实现 #

无需额外加载包，用apply()逐行处理分组列：

# 初始化结果表
df_processed_base <- df

# 逐组合并列
df_processed_base$psy01 <- apply(df_processed_base[, c("s_psy01", "l_psy01", "r_psy01")], 
                                 1, function(x) x[!is.na(x)])
df_processed_base$psy02 <- apply(df_processed_base[, c("s_psy02", "l_psy02", "r_psy02")], 
                                 1, function(x) x[!is.na(x)])
df_processed_base$psy03 <- apply(df_processed_base[, c("s_psy03", "l_psy03", "r_psy03")], 
                                 1, function(x) x[!is.na(x)])

# 可选：删除原始的s/l/r开头列，仅保留目标列
df_processed_base <- df_processed_base[, c("nr", "psy01", "psy02", "psy03")]

说明：apply()按行遍历每组列，提取其中的非NA值（因每行仅一个非NA值，直接返回该值即可）。

内容的提问来源于stack exchange，提问作者user10904839