R语言如何按条件将A列缺失值替换为B列值生成新列C

需求说明 #

现有数据集所有列均为字符型，其中A列存在缺失值，需要新增C列，赋值规则为：

• A列无缺失的行，C列取对应行A列的原始值
• A列存在缺失值的行，C列取对应行B列的值

原始数据集样例 #

期望输出结果 #

原有代码问题 #

之前尝试用for循环实现，但返回结果不符合预期，原有代码如下：

for(i in 1:length(df$A)) {
  if(is.na(df$A[i])) {
    df$C <- df$B 
  }
  else {
    df$C<- df$A
  }
}

问题根源：循环内每次执行赋值操作时，都是将整列B或整列A赋值给C列，而非针对当前遍历的第i行赋值，最终C列的结果完全由最后一行的判断逻辑决定，和逐行赋值的预期逻辑完全不符。

可行实现方案 #

R语言做这类逐行判断优先用向量化操作，无需写循环，代码简洁且运行效率更高。

1. 基础R原生方案（无需加载第三方包） #

用向量化判断函数ifelse()直接逐行判断赋值：

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

2. dplyr包方案（代码可读性高） #

用dplyr包中专门处理缺失值填充的coalesce()函数，函数会按顺序取第一个非缺失值，完全匹配当前需求：

library(dplyr)
df <- df %>%
  mutate(C = coalesce(A, B))

3. data.table方案（适合大数据量场景） #

data.table的fcoalesce()函数处理速度更快，适合百万行以上的大数据集：

library(data.table)
setDT(df)[, C := fcoalesce(A, B)]

修正后的循环写法（不推荐，仅作参考） #

如果一定要用循环实现，必须提前初始化C列，并且每次循环仅对第i行的C值赋值，不要覆盖整列：

# 提前初始化和数据集行数等长的C列
df$C <- character(nrow(df))
for(i in 1:nrow(df)) {
  if(is.na(df$A[i])) {
    df$C[i] <- df$B[i]
  } else {
    df$C[i] <- df$A[i]
  }
}

这种写法运行效率远低于上面的向量化方案，数据量较大时运行速度会有明显差距，不建议使用。

内容的提问来源于stack exchange，提问作者thib plass