如何通过表连接简洁填充数据框缺失值且不改动已有数据

简洁解决方案 #

利用dplyr的across和coalesce函数可以批量完成更新，避免重复编写mutate语句：

library(tidyverse)

# 1. 连接两个数据框，新数据列自动添加.y后缀
combined_df <- left_join(original_df, new_df, by = "ID", suffix = c("", ".y"))

# 2. 批量更新指定列：优先取新数据（.y列）的非缺失值，否则保留原数据
updated_df <- combined_df %>%
  mutate(across(c(col_a, col_b, col_c), 
                ~ coalesce(get(str_c(cur_column(), ".y")), .))) %>%
  # 3. 删除临时生成的.y后缀列
  select(-ends_with(".y"))

# 覆盖原数据框
original_df <- updated_df

代码逻辑说明 #

• left_join确保保留original_df的所有行，同时匹配new_df中相同ID的行，新数据列会被加上.y后缀区分；
• across(c(col_a, col_b, col_c))指定需要更新的列；
• coalesce(get(str_c(cur_column(), ".y")), .)：cur_column()获取当前处理的原列名，拼接.y得到新数据列名，get()引用该列；coalesce会返回第一个非缺失值，正好实现"新数据非空则用新数据，否则保留原数据"的需求；
• select(-ends_with(".y"))批量删除所有临时列。

封装成可复用函数 #

如果需要多次执行这类更新，可以封装成函数：

update_dataframe <- function(old_df, new_df, id_col = "ID", update_cols) {
  # 连接数据
  combined <- left_join(old_df, new_df, by = id_col, suffix = c("", ".y"))
  # 批量更新
  combined %>%
    mutate(across(all_of(update_cols), 
                  ~ coalesce(get(str_c(cur_column(), ".y")), .))) %>%
    # 删除临时列
    select(-ends_with(".y"))
}

# 使用示例
original_df <- update_dataframe(original_df, new_df, update_cols = c("col_a", "col_b", "col_c"))

原代码问题分析 #

你之前尝试的函数写法存在两个关键问题：

1. across的用法错误：across的第一个参数是要处理的列集合，第二个参数是处理函数，你的写法把函数放在了第一个参数位置，逻辑不成立；
2. 列引用错误：函数中paste(new_data, ".y")生成的是字符串列名，但if_else无法直接用字符串引用数据框列，需要用get()或.data[[列名]]来动态引用列。

内容的提问来源于stack exchange，提问作者c_dinosaur