R语言：如何高效替代多重嵌套ifelse按列优先级生成Col5？

问题背景 #

我有一个包含4列的数据集，各列存在MAR（随机缺失）的缺失值，数据集如下：

col1    col2    col3    col4
7       4       3       7
        0               4
7      10       4   
5               8       7
1       9               7
8      10       5   
        1       4       5
3           
7      10       7       5
2       2       4   
        7               2
9               2   
6       0       9       9
        3       9   
6                       5
0       7       6   

需要生成一列Col5，取值规则按优先级排序：

• 优先取col1的非缺失值；
• 若col1缺失，取col2的非缺失值；
• 若col1、col2均缺失，取col3的非缺失值；
• 若前3列均缺失，取col4的非缺失值；
• 4列全缺失时，Col5为NA。

预期最终数据集如下：

col1    col2    col3    col4   col5
7       4       3       7      7
        0               4      0
7      10       4              7
5               8       7      5 
1       9               7      1
8      10       5              8
        1       4       5      1
3                              3
7      10       7       5      7
2       2       4              2
        7               2      7
9               2              9
                4       9      4
                        9      9        
6                       5      6
0       7       6              0

目前可通过3个嵌套ifelse语句实现，但希望找到更高效的实现方法。

高效实现方法 #

R语言方案 #

方法1：使用dplyr::coalesce()函数

coalesce()函数的逻辑就是按输入顺序返回第一个非缺失值，完全匹配需求，代码极简且高效：

library(dplyr)

# 假设数据集为df
df$Col5 <- coalesce(df$col1, df$col2, df$col3, df$col4)

方法2：基础R原生实现

无需加载额外包，用apply()逐行提取第一个非缺失值：

# 提取目标列，逐行处理
df$Col5 <- apply(df[, c("col1", "col2", "col3", "col4")], 1, function(row) {
  first_non_na <- row[!is.na(row)]
  if (length(first_non_na) > 0) first_non_na[1] else NA
})

Python语言方案 #

方法1：pandas.combine_first()链式调用

通过链式调用按优先级依次填充缺失值：

import pandas as pd

# 假设数据集为df
df['Col5'] = df['col1'].combine_first(df['col2']).combine_first(df['col3']).combine_first(df['col4'])

方法2：pandas.bfill()按行填充

利用后向填充（bfill）按行方向覆盖，取第一列结果即为每行第一个非缺失值：

df['Col5'] = df[['col1', 'col2', 'col3', 'col4']].bfill(axis=1).iloc[:, 0]

内容的提问来源于stack exchange，提问作者Ahir Bhairav Orai