如何在R语言中按两列（a和b）聚合含NA值的数据框？

嘿，我完全懂你的需求！你想要按a和b两列分组，把每个组里c、d列的唯一非NA值保留下来，全NA的列就保持NA。你之前用aggregate()或者dplyr分组没成功，确实是因为默认的聚合函数（比如mean、sum）要么会返回统计值，要么在全NA时返回不符合预期的结果，而我们需要的是提取组内唯一的非NA值。

先回顾下你的原始数据：

a <- c('A','A','B','B','A')
b <- c(1,1,1,1,2)
c <- c(NA,60,NA,100,NA)
d <- c(10,NA,10,NA,100)
frame <- data.frame(a,b,c,d)

输出的原始数据：

frame
a b c d
1 A 1 NA 10
2 A 1 60 NA
3 B 1 NA 10
4 B 1 100 NA
5 A 2 NA 100

下面给你两种可行的解决方案：

方法一：用dplyr实现（推荐） #

利用group_by()分组后，用summarize()配合na.omit()提取非NA值，因为每个组里对应列只有一个非NA，所以用first()取第一个值就足够：

library(dplyr)

frame2 <- frame %>%
  group_by(a, b) %>%
  summarize(
    # 提取组内c列的非NA值，全NA则返回NA
    c = first(na.omit(c)),
    # 提取组内d列的非NA值，全NA则返回NA
    d = first(na.omit(d)),
    # 取消分组状态
    .groups = "drop"
  )

# 查看结果
frame2

运行后就能得到你想要的结果：

frame2
a b c d
1 A 1 60 10
2 B 1 100 10
3 A 2 NA 100

如果担心某些组里有多个非NA值（你的案例里没有），可以改成unique(na.omit(x))来确保返回唯一值，但你的场景下first()完全够用。

方法二：用base R的aggregate()实现 #

自定义一个聚合函数，专门提取组内的非NA值，然后传给aggregate()：

# 自定义函数：返回组内所有非NA值，全NA则返回NA
extract_non_na <- function(x) {
  non_na_vals <- x[!is.na(x)]
  if (length(non_na_vals) == 0) {
    return(NA)
  } else {
    return(non_na_vals)
  }
}

# 按a和b分组聚合c、d列
frame2 <- aggregate(cbind(c, d) ~ a + b, data = frame, FUN = extract_non_na)

# 查看结果
frame2

这个方法也能得到和你预期一致的输出。

为什么之前的方法会失败？ #

如果你之前用aggregate()时用了默认的统计函数（比如mean），虽然在你的案例里mean(c, na.rm = TRUE)会返回60（A-1组的c列），但如果遇到全NA的组（比如A-2组的c列），mean(c, na.rm = TRUE)会返回NaN而不是你需要的NA；而dplyr如果直接用summarize(c = mean(c, na.rm=T))也会有同样的问题，所以我们需要专门处理NA的提取逻辑。

内容的提问来源于stack exchange，提问作者sfetan