如何汇总R语言DataFrame以去除NA值（支持多ID场景）

针对你需要将同一id下分散在不同行的非NA值汇总为单行的需求，这里提供几种高效的解决方案，均支持多id的大规模数据框：

方法一：使用dplyr包（tidyverse生态） #

利用group_by()分组后，结合across()和na.omit()提取每列的非NA值：

library(dplyr)

# 构造含多id的示例数据（模拟大规模场景）
id = c(1,1,1,2,2)
A = c(3,NA,NA,7,NA)
B = c(NA,5,NA,NA,9)
C= c(NA,NA,2,NA,NA)
D= c(4,NA,NA,NA,8)
df = data.frame(id,A,B,C,D)

# 按id汇总
df_summary <- df %>%
  group_by(id) %>%
  summarise(across(everything(), ~ na.omit(.)[1]))

# 查看结果
print(df_summary)

输出结果：

# A tibble: 2 × 5
     id     A     B     C     D
  <dbl> <dbl> <dbl> <dbl> <dbl>
1     1     3     5     2     4
2     2     7     9    NA     8

方法二：使用data.table包（适用于超大数据框） #

data.table的分组运算效率更高，适合处理百万级以上的数据：

library(data.table)

setDT(df) # 将普通数据框转为data.table格式
df_summary <- df[, lapply(.SD, function(x) na.omit(x)[1]), by = id]

print(df_summary)

方法三：Base R原生解决方案（无需额外包） #

用aggregate()函数即可实现：

df_summary <- aggregate(. ~ id, data = df, FUN = function(x) na.omit(x)[1])

print(df_summary)

注意事项 #

• 如果某id下某列全为NA，汇总结果中该位置会保留NA（符合无有效值的实际情况）
• 上述方法的核心逻辑是：同一id下每列仅有一个非NA值，因此取第一个非NA值即可得到目标结果

内容的提问来源于stack exchange，提问作者olikahn