dplyr管道下使用bind_rows做列对行绑定如何避免重复值与NA值

代码失效的根因 #

管道操作符%>%的默认规则是把左侧的对象作为函数的第一个位置参数传入。你之前编写的代码：

df %>%
  bind_rows(
    select(., 1:2),
    select(., 3:4)
)

实际等价于执行下面的逻辑：

bind_rows(
  df, # 管道自动把原df作为第一个绑定项
  select(df, 1:2),
  select(df, 3:4)
)

总共绑定了3个数据框，因为后两个子集和原df的列名不匹配，所以才会出现9行、带NA、夹杂原表重复内容的结果，和bind_rows本身的核心功能无关。

管道流中的正确实现方式 #

要实现「col1-col2列对、col3-col4列对按行绑定，最终2列6行、无NA无冗余」的效果，两种符合tidyverse逻辑的写法都可直接使用：

写法1：对齐参考实现逻辑，先统一列名再绑定 #

df %>%
  # 先给4列设置重复的统一列名，让两个子集的列名完全一致
  set_names(rep(c("newcol1", "newcol2"), 2)) %>%
  bind_rows(
    select(., 1:2),
    select(., 3:4)
  )

运行后会直接得到预期的6行2列输出，没有NA、没有原表的重复内容。

写法2：截断管道自动传值，避免原表被意外拼入 #

如果不想提前对全表重命名，可以用{}截断管道的自动传值规则，不让原表成为bind_rows的第一个参数，手动对齐两个子集的列名即可：

df %>%
  {
    # 手动指定两个待绑定的子集，原表不会被自动加入绑定列表
    bind_rows(
      select(., 1:2) %>% set_names(c("newcol1", "newcol2")),
      select(., 3:4) %>% set_names(c("newcol1", "newcol2"))
    )
  }

关于bind_rows内部嵌套子集选择函数的说明 #

完全可以在bind_rows的入参域内嵌套使用select、filter等子集操作函数，这和Hadley Wickham提到的在bind_rows内嵌套filter的写法逻辑完全一致——本质是利用. 指代管道传入的源数据框，在函数参数域内自由做数据变换。
实际使用中只要注意两个核心规则就能避免踩坑：

• 要清楚管道自动传值的行为：如果不需要把源数据框本身拼入绑定列表，记得用{}截断自动传值，或者明确列全所有待绑定的子集，不要让原表被默认当第一个绑定项。
• 要对齐所有待绑定子集的列名：bind_rows的设计逻辑是按列名对齐，列名不一致就会自动补NA，要得到无NA的绑定结果，必须保证所有待绑定子集的列名完全相同。

内容的提问来源于stack exchange，提问作者Anoushiravan R