如何在R中合并按county和district分组且分散在多列的信息

观测数据嵌套在county*district分组中，单个候选人的信息分散在多行（每个字段的有效信息分别位于不同行），原始数据集包含500+非分组变量且均存在该问题；同时candidate字段值无效，需要重新按每个district内的顺序生成候选人标识。

当前数据集示例：

current_df <- data.frame(
  county = c("E100", "E100", "E100", "E101", "E101", "E101", "E202", "E202", "E202", "E204", "E204", "E204"),
  district = c(1,1,1,2,2,2,1,1,1,3,3,3),
  candidate = c(1,2,3,4,5,6,7,8,9,10,11,12),
  name = c("john", NA, NA, "maria", NA, NA, "tom", NA, NA, "jose", NA, NA),
  votes = c(NA, 100, NA, NA, 200, NA, NA,78,NA,NA,120,NA),
  party = c(NA, NA, "D", NA, NA, "I", NA, NA, "R", NA, NA, NA)
)

期望目标数据集：

target_df <- data.frame(
  county = c("E100",  "E101","E202", "E204"),
  district= c(1, 2, 1, 3),
  candidate = c(1, 1, 2, 1),
  name = c("john","maria","tom", "jose"),
  votes = c(100,200,78,120),
  party = c( "D","I","R",NA)
)

使用tidyverse工具集即可实现，核心逻辑是分组后提取各字段的有效非NA值，再重新生成候选人标识：

library(tidyverse)

cleaned_df <- current_df %>%
  # 按county+district分组，锁定单个候选人的分散行
  group_by(county, district) %>%
  # 对所有列提取唯一非NA值（每个字段在组内仅一个有效数据）
  summarise(across(everything(), ~ first(na.omit(.))), .groups = "drop") %>%
  # 按district分组，生成区内候选人序号
  group_by(district) %>%
  mutate(candidate = row_number()) %>%
  ungroup()

1. 分组聚合：先通过county和district分组，确保每组对应同一个候选人的分散数据；summarise配合across(everything())自动处理所有字段，无需手动指定500+变量，直接提取每个字段的非NA值完成合并。
2. 重置候选人标识：按district分组后用row_number()生成区内的有序候选人编号，替代原有无效的candidate值。
3. 多候选人场景兼容：若单个county*district内存在多个候选人（比如每组占固定N行），可先添加候选人组标识再聚合，示例如下：

# 假设每个候选人占3行的场景
cleaned_df_multi <- current_df %>%
  group_by(county, district) %>%
  mutate(candidate_group = ceiling(row_number()/3)) %>%
  group_by(county, district, candidate_group) %>%
  summarise(across(everything(), ~ first(na.omit(.))), .groups = "drop") %>%
  group_by(district) %>%
  mutate(candidate = row_number()) %>%
  ungroup() %>%
  select(-candidate_group)

验证结果：运行代码后cleaned_df与目标数据集完全匹配：

> all.equal(cleaned_df, target_df, check.attributes = FALSE)
[1] TRUE

内容的提问来源于stack exchange，提问作者AntVal