R语言如何高效实现数据框4列按优先级选取非NA值

你当前使用的逐行for循环嵌套if/else的写法逻辑正确，但R中逐行索引、修改数据框的执行效率很低，当数据量达到万行以上时运行速度会有明显瓶颈。以下两种实现方式和原有逻辑完全等价，均为向量化运算，执行效率远高于逐行循环：

方案1：dplyr包coalesce()函数（最简洁易读，优先推荐） #

coalesce()的设计目的就是按传入参数的顺序返回第一个非缺失值，完全匹配你的优先级需求，代码可读性极高：

library(dplyr)
# 按优先级从高到低传入列即可：Name.A > Name.B > Name.C > Name.D
df$Name <- coalesce(df$Name.A, df$Name.B, df$Name.C, df$Name.D)

若某行四个列均为NA，返回结果自动为NA，和原有逻辑的输出完全一致。

方案2：基础R原生实现（无需依赖第三方包） #

如果不想加载额外扩展包，可以用矩阵索引搭配max.col()实现同样的向量化计算，性能和上述方案基本持平：

# 按优先级顺序提取待判断的列子集
target_cols <- df[, c("Name.A", "Name.B", "Name.C", "Name.D")]
# 定位每行第一个非NA值的列索引，批量提取目标值
df$Name <- target_cols[cbind(
  seq_len(nrow(df)),
  max.col(!is.na(target_cols), ties.method = "first")
)]

其他可选写法说明 #

列数较少时也可以通过嵌套ifelse()实现需求，但列数增多后嵌套层级过深，代码易读性差、维护成本高，不推荐使用：

df$Name <- ifelse(!is.na(df$Name.A), df$Name.A,
                  ifelse(!is.na(df$Name.B), df$Name.B,
                         ifelse(!is.na(df$Name.C), df$Name.C, df$Name.D)))

内容的提问来源于stack exchange，提问作者Joeseph Y