R语言跨多列检索非缺失值并提取生成新列的方法咨询

之前的写法运行异常，核心原因是：在mutate中对同名变量t做多次顺序赋值时，每一步计算都是独立执行的，后一次的赋值逻辑会完全覆盖前一次的结果——具体来说，第一步根据x1计算t值后，第二步判断x2时，只要x2取值为NA，就会直接把t重置为NA，不会保留上一步已经提取到的非缺失值，最终导致结果和预期偏差。

1. 最简洁写法（coalesce） #

dplyr包自带的coalesce函数天生适配这类场景：逐行遍历传入的多个列，返回每行遇到的第一个非缺失值，完全符合“同一行多列存在相等非缺失值时取任意一个即可”的要求，不会出现值覆盖的问题：

df2 <- df1 %>% 
  mutate(t = coalesce(x1, x2, x3, x4, x5, x6))

运行后得到的t列结果完全匹配预期：c(1,1,2,3,1)。

2. 修正原if-else逻辑 #

如果要沿用多层if判断的思路，不能每次判断时无条件覆盖t值，需要加上“当前t无有效取值”的判断条件，只有t为NA时才用当前列的非缺失值更新，否则就保留之前已经提取到的值：

df2 <- df1 %>% 
  mutate(
    t = ifelse(!is.na(x1), x1, NA),
    t = ifelse(is.na(t) & !is.na(x2), x2, t),
    t = ifelse(is.na(t) & !is.na(x3), x3, t),
    t = ifelse(is.na(t) & !is.na(x4), x4, t),
    t = ifelse(is.na(t) & !is.na(x5), x5, t),
    t = ifelse(is.na(t) & !is.na(x6), x6, t)
  )

3. 批量适配多列场景 #

如果后续需要检索的列数量很多，不需要逐个手写列名，可以通过across批量选中所有待检索的列，逐行提取第一个非缺失值，减少冗余代码：

df2 <- df1 %>% 
  rowwise() %>% 
  mutate(t = na.omit(c_across(x1:x6))[1]) %>% 
  ungroup()

这种写法只要待检索列都在x1到x6的连续范围内，就可以自动识别，不需要逐列重复写判断逻辑。

内容的提问来源于stack exchange，提问作者Dmez21