R语言高级数据框合并：忽略NA值并处理冲突行的方案问询

我的问题和以下两个R相关问题类似：

• R: 合并相同ID的行
• 如何合并R中具有相同标识符的行？

但我需要在两行存在“冲突”时保留多行。另外，上述两个问题的场景是数据框合并之后，而我的问题可以通过修改合并流程解决，且每个数据框内的ID都是唯一的，也可以提供合并后的通用解决方案。

我想要合并两个数据框，合并时忽略NA值，仅当存在冲突（同一列的非NA值不同）时保留多行。

给定数据框：

> my_data1
  ID m n    o    p q
1  A K U <NA> <NA> K
2  B L V    Q    A L
3  C M W <NA>    S M
4  D N X    W    D N
5  E O Y <NA> <NA> O

和

> my_data2
  ID m n    o    p r
1  A K U    E <NA> U
2  B L V <NA>    B V
3  C M W    R <NA> W
4  D N X <NA> <NA> X
5  E O Y    T    F Y

直接合并后得到：

> my_data
   ID m n    o    p    q    r
1   A K U    E <NA> <NA>    U
2   A K U <NA> <NA>    K <NA>
3   B L V    Q    A    L <NA>
4   B L V <NA>    B <NA>    V
5   C M W    R <NA> <NA>    W
6   C M W <NA>    S    M <NA>
7   D N X    W    D    N <NA>
8   D N X <NA> <NA> <NA>    X
9   E O Y    T    F <NA>    Y
10  E O Y <NA> <NA>    O <NA>

但期望的结果是：

> my_data
   ID m n    o    p    q    r
1   A K U    E <NA>    K    U
2   B L V    Q    A    L <NA>
3   B L V <NA>    B <NA>    V
4   C M W    R    S    M    W
5   D N X    W    D    N    X
6   E O Y    T    F    O    Y

• ID == B无法合并，因为p列存在冲突（非NA值分别为A和B）。
• ID == A较为特殊，p列均为NA值，无冲突可合并。
• ID为C、D、E的情况无冲突，可直接合并非NA值。

my_data1 <- data.frame(ID = LETTERS[1:5],
                       m = LETTERS[11:15],
                       n = LETTERS[21:25],
                       o = c(NA, 'Q', NA, 'W', NA),
                       p = c(NA, 'A', 'S', 'D', NA),
                       q = LETTERS[11:15])

my_data2 <- data.frame(ID = LETTERS[1:5],
                       m = LETTERS[11:15],
                       n = LETTERS[21:25],
                       o = c('E', NA, 'R', NA, 'T'),
                       p = c(NA, 'B', NA, NA, 'F'),
                       r = LETTERS[21:25])

# 两种基础合并方式
my_data <- merge(my_data1, my_data2, all = TRUE)
# 或
my_data <- bind_rows(my_data1, my_data2) |>
 arrange(ID)

# 不完整的解决方案（仅适用于无冲突的ID）
my_data <- my_data |>
 filter(ID != 'A', ID != 'B') |> # 无此行会报错
 select(-m, -n) |> # 无此行会报错
 group_by(ID) |>
 summarise(across(.cols = everything(),
                  .fns = ~ na.omit(.x)))

my_data |>
 view()

以下是基于dplyr包的完整实现，核心逻辑是先判断每个ID下是否存在列冲突，再对无冲突的ID合并非NA值，有冲突的ID保留原行：

library(dplyr)
library(tidyr)

# 合并两个数据框，保留所有列
combined_df <- bind_rows(my_data1, my_data2)

# 定义函数：判断一组值是否存在非NA冲突
has_conflict <- function(x) {
  non_na <- na.omit(x)
  length(unique(non_na)) > 1
}

# 找出每个ID中存在冲突的列
conflict_check <- combined_df |>
  group_by(ID) |>
  summarise(across(-c(ID, m, n), has_conflict)) |>
  pivot_longer(-ID, names_to = "col", values_to = "conflict") |>
  group_by(ID) |>
  summarise(has_any_conflict = any(conflict))

# 拆分数据：有冲突的ID和无冲突的ID
conflict_ids <- conflict_check |> filter(has_any_conflict) |> pull(ID)
no_conflict_ids <- combined_df |> pull(ID) |> unique() |> setdiff(conflict_ids)

# 处理无冲突的ID：合并非NA值
no_conflict_df <- combined_df |>
  filter(ID %in% no_conflict_ids) |>
  group_by(ID, m, n) |>
  summarise(across(everything(), ~ if(all(is.na(.x))) NA else na.omit(.x)[1]),
            .groups = "drop")

# 处理有冲突的ID：去重保留唯一行（原数据框ID唯一，合并后每个ID最多两行）
conflict_df <- combined_df |>
  filter(ID %in% conflict_ids) |>
  distinct()

# 合并结果并排序
final_df <- bind_rows(no_conflict_df, conflict_df) |>
  arrange(ID)

print(final_df)

运行后输出结果与期望一致：

> final_df
  ID m n    o    p    q    r
1  A K U    E <NA>    K    U
2  B L V    Q    A    L <NA>
3  B L V <NA>    B <NA>    V
4  C M W    R    S    M    W
5  D N X    W    D    N    X
6  E O Y    T    F    O    Y

内容的提问来源于stack exchange，提问作者user1