R语言按日期整合DataFrame，填充对应NA值技术求助

核心需求 #

用df1中对应日期的非NA值，填充df2中相同日期、相同列的NA值，最终保留df2的所有行和列（包括df1没有的列）。

示例数据解决方案 #

基于你提供的df1和df2示例数据，给出两种实现方法：

方法1：tidyverse生态（推荐，适合大规模数据） #

借助dplyr和tidyr的coalesce函数，批量高效处理列填充：

library(dplyr)
library(tidyr)

# 自动识别df1和df2的共同列（排除日期列）
common_cols <- intersect(names(df1), names(df2))[-which(names(df1) == "Date")]

# 合并数据并填充NA
merged_df <- df2 %>%
  left_join(df1, by = "Date", suffix = c("_df2", "_df1")) %>%
  # 对所有共同列，用df1的值覆盖df2的NA
  mutate(across(all_of(common_cols), ~coalesce(.x, get(paste0(cur_column(), "_df1"))))) %>%
  # 还原为原df2的列结构
  select(names(df2))

方法2：Base R（无需额外包） #

如果不想加载第三方包，用原生循环实现：

# 获取共同列（排除日期列）
common_cols <- intersect(names(df1), names(df2))[-which(names(df1) == "Date")]

# 遍历每一列填充NA
for(col in common_cols){
  # 定位df2中该列的NA行
  na_idx <- is.na(df2[[col]])
  # 匹配df1中对应日期的数值
  matched_vals <- df1[[col]][match(df2$Date[na_idx], df1$Date)]
  # 填充df2的NA
  df2[[col]][na_idx] <- matched_vals
}

实际数据集适配 #

你的真实数据需要先处理两个关键问题：

1. 日期列名不一致：Augsburg的日期列是Augsburg_Date，Berlin_total是Date，先统一列名：

# 重命名Augsburg的日期列
Augsburg <- rename(Augsburg, Date = Augsburg_Date)

2. 列类型不匹配：Augsburg的数值列是字符型（如"102.25"），需转为数值型才能正常填充：

# 将非日期列转换为数值型
Augsburg <- Augsburg %>%
  mutate(across(-Date, ~as.numeric(.x)))

Berlin_total <- Berlin_total %>%
  mutate(across(-Date, ~as.numeric(.x)))

完成上述处理后，直接套用前面的示例方法即可完成填充整合。

内容的提问来源于stack exchange，提问作者Sulz