R语言：合并含大量NA值的连续行至新列的技术求助

问题分析 #

需要识别连续的、包含1个以上NA值的行，将这些行的所有元素合并后放入前一行的新列E中，最终仅保留每组的起始行（即不满足“含1个以上NA”条件的行）。

解决方案代码 #

先修正原数据中的字符串型"NA"为R原生NA，再通过分组实现合并：

# 加载dplyr包
library(dplyr)

# 构造修正后的示例数据（将原数据中的"NA"替换为真正的NA）
df <- data.frame(
  A = c(1,2,3,4,5,6),
  B = c(2, NA, NA, 5, NA, NA),
  C = c(1,2,NA,4,5,NA),
  D = c(3,NA,5,NA,NA,NA),
  stringsAsFactors = FALSE
)

# 标记每行是否包含1个以上NA值
df <- df %>%
  mutate(has_many_na = rowSums(is.na(.)) > 1)

# 创建分组ID：将非目标行（无1个以上NA）作为分组起点，后续连续目标行归为同一组
df <- df %>%
  mutate(group_id = cumsum(!has_many_na))

# 分组处理，生成结果
result <- df %>%
  group_by(group_id) %>%
  summarise(
    # 保留每组第一行的A-D列数据
    across(A:D, ~first(.)),
    # 将组内剩余行的所有元素合并为一个向量，存入E列
    E = list(unlist(.[-1, ]))
  ) %>%
  ungroup() %>%
  select(-group_id)

# 输出结果
print(result)

代码说明 #

1. 修正数据：原示例中的"NA"是字符串类型，需转换为R原生的NA才能正确统计缺失值数量。
2. 标记目标行：用rowSums(is.na(.)) > 1判断每行是否包含1个以上NA，生成has_many_na标记列。
3. 分组逻辑：通过cumsum(!has_many_na)生成分组ID，每次遇到非目标行（即不需要合并的起始行）时，分组ID递增，后续连续的目标行自动归为同一组。
4. 合并行数据：分组后保留每组第一行的A-D列，将组内其余行的所有元素合并为向量存入E列（用list存储以适配不同长度的合并结果）。

输出结果 #

# A tibble: 2 × 5
      A     B     C     D E        
  <dbl> <dbl> <dbl> <dbl> <list>   
1     1     2     1     3 <dbl [8]>
2     4     5     4    NA <dbl [8]>

查看E列具体内容可使用result$E，得到：

• 第一个元素：c(2, NA, 2, NA, 3, NA, NA, 5)
• 第二个元素：c(5, NA, 5, NA, 6, NA, NA, NA)，与需求完全匹配。

内容的提问来源于stack exchange，提问作者ctk1100