如何在R语言中合并行以获取单条最完整数据行？

原始数据 #

构造数据的代码：

a <- c('Bill', 'Bill', 'Jean', 'Jean', 'Jean', 'Louis')
b <- c("A", "A", "B", NA, "B", NA)
c <- c(0, 1, 0, 0, 0, 1)
d <- c(1, 0, 1, 1, 0, 1)
e <- c(1, 1, 0, 0, 1, 1)
f <- data.frame(a, b, c, d, e)
colnames(f) <- c("name", "letter", "red", "blue", "green")

原始数据预览：

name letter red blue green
1  Bill      A   0    1     1
2  Bill      A   1    0     1
3  Jean      B   0    1     0
4  Jean   <NA>   0    1     0
5  Jean      B   0    0     1
6 Louis   <NA>   1    1     1

需求目标 #

按name分组，每个个体仅保留一行，让各字段信息尽可能完整，最终结果如下：

name letter red blue green
1  Bill      A   1    1     1
2  Jean      B   0    1     1
3 Louis   <NA>   1    1     1

高效解决方案 #

无需编写冗长循环，用R的分组聚合工具即可快速实现，以下提供两种适配不同数据规模的方案：

方案1：dplyr（通用高效，代码易读） #

先安装并加载dplyr包：

install.packages("dplyr")
library(dplyr)

核心逻辑：

• 字符列letter：取分组内第一个非NA值（若全为NA则保留NA）
• 数值列（red/blue/green）：取分组内最大值（确保保留所有出现过的"1"状态）

执行代码：

result <- f %>%
  group_by(name) %>%
  summarise(
    letter = first(na.omit(letter)),
    red = max(red, na.rm = TRUE),
    blue = max(blue, na.rm = TRUE),
    green = max(green, na.rm = TRUE),
    .groups = "drop"
  )

# 查看结果
result

运行后即可得到目标输出。

方案2：data.table（适配超大型数据，速度更快） #

如果数据量极大，推荐用data.table提升效率：

install.packages("data.table")
library(data.table)

setDT(f)
result_dt <- f[, .(
  letter = first(na.omit(letter)),
  red = max(red, na.rm = TRUE),
  blue = max(blue, na.rm = TRUE),
  green = max(green, na.rm = TRUE)
), by = name]

特殊场景调整 #

若某分组的letter存在多个不同非NA值，可按需修改逻辑：

• 拼接所有不同值：paste(unique(na.omit(letter)), collapse = "/")
• 取最后一个非NA值：last(na.omit(letter))

内容的提问来源于stack exchange，提问作者Katie Nissen