如何多次使用left_join合并数据框且不遗留NA值？

我正在处理多个需要合并信息的数据框，示例输入代码如下：

df1 <- data.frame(id = c(1, 1, 2, 2), year = c(1990, 2000, 1990, 2000))
df1990 <- data.frame(id = c(1, 2), year = c(1990, 1990), X= c(1, 2))
df2000 <- data.frame(id = c(1, 2), year = c(2000, 2000), X= c(1, 2))

希望将df1990和df2000的信息合并到df1中，得到目标数据框：

df <- data.frame(id = c(1, 1, 2, 2), year = c(1990, 2000, 1990, 2000), X = c(1, 1, 2, 2))

尝试用left_join()合并，但第一次合并成功，第二次合并后仍存在NA值，执行的代码：

df <- left_join(df1, df1990)
df <- left_join(df, df2000)

结果中仍有NA值，该如何解决？

两次left_join后出现NA的原因是：第一次关联后，df中1990年的行有X值，但2000年的行X为NA；第二次关联时，由于df已存在X列，关联后会生成X.x（原X列）和X.y（来自df2000的X列），NA不会被自动覆盖，最终结果仍保留缺失值。

以下两种方法可解决问题：

方法一：先合并年份数据框，再关联df1 #

先将df1990和df2000纵向合并为一个完整数据集，再与df1做一次left_join，逻辑更简洁：

library(dplyr)

# 纵向合并年份数据
combined_year_df <- bind_rows(df1990, df2000)
# 关联df1
df <- left_join(df1, combined_year_df, by = c("id", "year"))

方法二：用coalesce合并两次关联的列 #

若坚持分两次关联，可使用coalesce()函数合并两次得到的X列，取非NA值：

library(dplyr)

df <- left_join(df1, df1990) %>%
  left_join(df2000, by = c("id", "year")) %>%
  mutate(X = coalesce(X.x, X.y)) %>% # 优先取X.x的值，无值则取X.y
  select(-X.x, -X.y) # 删除冗余列

两种方法均可得到目标数据框，推荐方法一，步骤更少且逻辑清晰。

内容的提问来源于stack exchange，提问作者nlplearner