如何用dplyr::coalesce合并数据框同名列？支持多组列批量处理

你之前的方法无效的核心原因：DuplicateAgeColumns$Age只会提取第一个名为Age的列，无法传入所有同名列，因此coalesce无法发挥合并多列非NA值的作用。

下面提供两种适用于多组同名列（如同时处理Age、Score等）的解决方案：

方法一：用tidyverse的 pivot 系列函数（直观易理解） #

通过宽表转长表过滤NA，再转回宽表实现合并，自动处理所有同名列：

library(tidyverse)

CoalescedResult <- DuplicateAgeColumns %>%
  # 添加行号保留原始观测的对应关系
  mutate(row_id = row_number()) %>%
  # 将所有非Condition列转成长表格式
  pivot_longer(-c(row_id, Condition), names_to = "col_name", values_to = "value") %>%
  # 过滤NA值，每个原始行+列名仅保留一个有效值
  filter(!is.na(value)) %>%
  # 转回宽表，自动合并同名列
  pivot_wider(id_cols = c(row_id, Condition), names_from = col_name, values_from = value) %>%
  # 移除临时行号
  select(-row_id)

# 查看结果
CoalescedResult

方法二：用dplyr + purrr 批量处理（高效简洁） #

通过按列名分组，对每组同名列应用coalesce，适合大规模数据场景：

library(dplyr)
library(purrr)

# 获取所有列名和唯一列名
all_col_names <- names(DuplicateAgeColumns)
unique_col_names <- unique(all_col_names)

# 批量处理每一组列
CoalescedResult <- map_dfc(unique_col_names, function(col) {
  # 提取当前列名对应的所有列
  target_cols <- DuplicateAgeColumns[all_col_names == col]
  # 单列直接保留，多列用coalesce合并
  if (ncol(target_cols) == 1) {
    target_cols
  } else {
    coalesce(!!!target_cols)
  }
})

# 设置列名为唯一列名
names(CoalescedResult) <- unique_col_names

# 查看结果
CoalescedResult

两种方法都能得到你预期的合并结果，且支持同时处理多组同名列（比如同时存在多组Age、Score列的场景）。

内容的提问来源于stack exchange，提问作者Nick Byrd