如何根据行名将df2的Age值填充至df1的对应NA位置？

你的循环代码失效的核心原因：按索引位置匹配行名完全不靠谱。df1和df2的行顺序不一样，只有极少数行的索引i会对应相同的行名（比如Patient_1在两个表的第1位），像Patient_10在df1是第4行，在df2是第2行，循环里的i根本匹配不上，自然填充不全。

下面是几种高效的正确实现方式：

方法1：基础R直接赋值（最简单） #

利用行名精准定位需要填充的行，一次性完成替换：

# 直接通过行名匹配，把df2的Age值赋值给df1对应行
df1[rownames(df2), "Age"] <- df2[rownames(df2), "Age"]

因为题目明确说df2的行名全部存在于df1中，所以这个方法安全且高效，不需要循环。

方法2：针对df1中NA行的精准填充（更严谨） #

如果需要确保只替换df1中原本为NA的行（避免误改已有有效值），可以先筛选出这些行的行名再赋值：

# 找出df1中Age列是NA的行名
na_row_names <- rownames(df1)[is.na(df1$Age)]
# 用df2对应行的Age值填充
df1[na_row_names, "Age"] <- df2[na_row_names, "Age"]

方法3：tidyverse风格实现（适合习惯dplyr的用户） #

把行名转成普通列进行匹配，处理后再转回去：

library(dplyr)
library(tibble)

df1 <- df1 %>%
  # 把行名转为ID列
  rownames_to_column("ID") %>%
  # 左连接df2的数据（同样先转行名为ID）
  left_join(df2 %>% rownames_to_column("ID"), by = "ID", suffix = c("", "_fill")) %>%
  # 用df2的Age填充df1的NA值
  mutate(Age = ifelse(is.na(Age), Age_fill, Age)) %>%
  # 移除连接带来的重复列
  select(-Age_fill, -Gender_fill) %>%
  # 把ID列转回行名
  column_to_rownames("ID")

填充后的df1结果会是：

Age    Gender
Patient_1      59     Male
Patient_3      30     Male
Patient_66     45     Female
Patient_10     80     Female
Patient_11     67     Female
Patient_23     21     Male

内容的提问来源于stack exchange，提问作者Programming Noob