使用dplyr进行表连接时如何修改或避免列中出现NA值？

问题1：是否存在更优的连接方式从根本上避免statefips缺失？ #

存在。你遇到的statefips缺失本质原因是b表本身没有statefips字段，两表直接full join后，仅存在于b表的4行数据（对应2020-01-04、2020-01-11两个日期的两个州数据）没有对应statefips值，所以出现缺失。
可以提前给b表补全statefips字段后再做连接，从根源上避免缺失，也不会丢失任何数据，代码如下：

# 先给b表补全statefips字段
b_with_fips <- left_join(b, state_id, by = "statename")
# 再做full join，三个公共字段匹配，不会出现statefips缺失
full_join_opt <- full_join(a, b_with_fips, by = c("statename", "date", "statefips")) %>% arrange(date)

该方案是最优解，没有额外后处理步骤，针对你4000+行的表运行效率极高。

问题2：连接完成后能否补全statefips的值？ #

可以。你之前的修复代码未生效是因为重复列名冲突：第一次join的结果已经有statefips列，和state_id的statefips重名，dplyr自动加了.x、.y后缀区分，你没有合并两个列，所以原来的缺失值还存在。
两种常用修复代码如下：

方案1：用coalesce合并同名字段（最通用） #

full_join_raw <- full_join(a, b, by = c("statename", "date")) %>% arrange(date)
# 合并两个statefips列，取非缺失值，删除冗余列
full_join_fixed <- full_join_raw %>% 
  left_join(state_id, by = "statename") %>% 
  mutate(statefips = coalesce(statefips.x, statefips.y)) %>% 
  select(-statefips.x, -statefips.y) %>% 
  arrange(date)

方案2：按州分组直接填充（无需额外映射表） #

full_join_fixed <- full_join(a, b, by = c("statename", "date")) %>% 
  group_by(statename) %>% 
  # 取同一个州下第一条非空的statefips值填充所有行
  mutate(statefips = statefips[!is.na(statefips)][1]) %>% 
  ungroup() %>% 
  arrange(date)

两种方案针对4000+行的表运行都毫无压力，性能完全满足需求。

内容的提问来源于stack exchange，提问作者Tomas R