如何将含NA的9行R数据框合并为3行完整数据？

问题背景 #

需要将包含多个NA值的9行数据框合并为3行完整数据，示例数据如下：

data <- data.frame('a' = c('1','2','3','4','5','6','7','8','9'),
                   'b' = c(1,2,NA,NA,NA,2,NA,NA,NA),
                   'c' = c(NA,1,3,NA,NA,NA,NA,NA,3),
                   'd' = c(NA,NA,NA,4,5,2,NA,NA,NA),
                   'e' = c(2,NA,NA,NA,NA,3,1,NA,NA),
                   'f' = c(NA,3,NA,NA,NA,NA,NA,5,3))

补充条件：除a列外，每列均有3个有效观测值，a列可忽略，后续需基于结果计算ICCs。

期望输出：

b c d e f
1 1 1 4 2 3
2 2 3 5 3 5
3 2 3 2 1 3

此前尝试coalesce()仅能合并两列，无法适配多行列场景；按c(1,1,1,2,2,2,3,3,3)分组后仍得到含NA的行，现需可行的R脚本及说明。

解决方案 #

核心思路 #

观察数据可发现：除a列外，每列的3个非NA值的顺序恰好对应目标结果的3行。因此只需提取每列的非NA值，再将这些向量按列组合即可。

实现代码 #

方法1：基础R（无需额外包）

# 筛选需要处理的列（排除a列）
target_cols <- setdiff(names(data), "a")

# 提取每列的非NA值并组合成新数据框
result <- data.frame(lapply(data[target_cols], function(col) col[!is.na(col)]))

# 查看结果
print(result)

方法2：dplyr包（语法更直观）

library(dplyr)

result <- data %>%
  select(-a) %>%  # 移除无关的a列
  summarise(across(everything(), ~ .x[!is.na(.x)]))  # 对所有列提取非NA值

print(result)

代码说明 #

• setdiff(names(data), "a")：获取所有非a列的列名，确保只处理需要的列。
• lapply(..., function(col) col[!is.na(col)])：遍历每个目标列，筛选出其中的非NA值，返回一个包含3个元素的向量列表。
• data.frame(...)：将列表转换为数据框，由于每个向量长度均为3，可直接对齐组合。
• dplyr版本中，select(-a)快速移除a列；across(everything(), ~ .x[!is.na(.x)])对所有列执行提取非NA值的操作，summarise将结果整合成结构规整的数据框。

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