将分散的变量值整理为整洁的单行宽格式（R语言）

问题场景 #

将JSON文本文件转换为dataframe后，出现同ID的变量值分散在多行的情况，原本600条观测变成37200条，且存在大量NA。示例数据如下：

Var1    Var2   Var3  Var4   Var5   Var6   ID
1   4       NA     NA    NA     NA     NA    1
2   NA      3      2     NA     NA     NA    1
3   NA      NA     NA    1      8      NA    1
4   NA      NA     NA    NA     NA     7     1

期望得到的合并后结果：

Var1    Var2   Var3  Var4   Var5   Var6   ID
1   4       3      2     1       8     7      1

由于变量多达146个，手动处理或创建滞后变量效率极低，需要高效的批量处理方案。

解决方案 #

使用tidyverse包中的dplyr工具，按ID分组后提取每个变量的非NA值合并成一行：

library(dplyr)

# 假设你的数据框名为df
clean_df <- df %>%
  group_by(ID) %>%
  summarise(across(everything(), ~first(na.omit(.x)))) %>%
  ungroup()

代码说明 #

• group_by(ID)：按ID分组，确保同一ID的行被归为一组
• across(everything(), ~first(na.omit(.x)))：对所有列执行操作，先去除列中的NA，再取第一个值（同ID下每个变量仅存在一个非NA值，刚好提取到目标值）
• ungroup()：取消分组，还原为普通dataframe结构

如果数据中存在同一ID同一变量有多个非NA值的情况，可根据需求替换first为last、mean等聚合函数。

参考问题 #

相关参考问题原内容为：将多变量重复测量数据转换为宽格式时出现NA值和多余行？

内容的提问来源于stack exchange，提问作者Jessi