基于name+year分组合并同一DataFrame行的R语言高效实现方法

你这个需求太典型啦——把同一分组（name+year）下分散在多行的非NA值合并到同一行，完全不用绕弯子做过滤连接，用分组聚合的思路就能高效解决，下面给你几种常用的方案：

1. 用tidyverse/dplyr（最常用的语法风格） #

如果平时用tidyverse生态，这个方法最直观，先按name和year分组，然后对每一列提取非NA的值：

library(dplyr)

df_compressed <- df %>%
  group_by(name, year) %>%
  summarise(across(A:C, ~ na.omit(.)[1]), .groups = "drop")

• group_by(name, year)：指定分组依据
• across(A:C, ~ na.omit(.)[1])：对A到C的每一列，先去掉NA值，再取第一个元素（因为每个组里每个列只有1个非NA值）
• .groups = "drop"：分组后取消分组状态，得到普通DataFrame

运行后就能得到你想要的结果：

# A tibble: 2 × 5
  name   year     A     B     C
  <chr> <dbl> <dbl> <dbl> <dbl>
1 bar      18     2     4     5
2 foo      19     1     3     2

2. 用data.table（大数据场景更高效） #

如果你的DataFrame行数特别多，data.table的速度优势会很明显：

library(data.table)

setDT(df)
df_compressed <- df[, lapply(.SD, function(x) na.omit(x)[1]), by = .(name, year)]

• setDT(df)：把普通DataFrame转成data.table格式
• lapply(.SD, function(x) na.omit(x)[1])：对每个分组的所有列（.SD代表Subset of Data）执行提取非NA值的操作
• by = .(name, year)：指定分组键

3. Base R原生方法（不用加载额外包） #

如果不想加载第三方包，用base R的aggregate函数也能搞定：

df_compressed <- aggregate(. ~ name + year, data = df, FUN = function(x) na.omit(x)[1])

• . ~ name + year：表示把除了name和year之外的所有列，按这两列分组聚合
• FUN = function(x) na.omit(x)[1]：自定义聚合函数，提取非NA值

这三种方法都能完美实现你的需求，相比过滤连接，代码更简洁，效率也更高——尤其是data.table版本，处理几十万甚至上百万行数据的时候优势很明显。

内容的提问来源于stack exchange，提问作者TTS