求技巧：按子集处理数据框，提取非NA值并按子集压缩行

嘿，我完全get到你的需求了——按分组变量a拆分数据子集，去掉每个子集里的NA值，再把每个子集压缩成单独一行，对吧？先把你没写完的示例数据补全（我假设c列也是每个分组最多一个非NA值的情况），然后给你两种实用的解决办法：

先补全示例数据 #

# 创建示例数据
a <- c(1, 1, 1, 2, 2, 2) # 分组变量
b <- c(NA, NA, "B", NA, NA, "C") # 每个子集最多1个非NA值
c <- c("A", NA, NA, NA, "D", NA) # 补全的示例列，匹配你的数据结构
df <- data.frame(a, b, c)

这是我日常处理这类分组数据最常用的方式，代码可读性很高：

library(dplyr)

# 分组后提取每个列的非NA值（每个分组最多1个，所以直接取第一个非NA即可）
df_processed <- df %>%
  group_by(a) %>%
  summarise(across(everything(), ~ first(na.omit(.))))

# 查看处理后的结果
print(df_processed)

运行后你会得到：

# A tibble: 2 × 3
      a b     c    
  <dbl> <chr> <chr>
1     1 B     A    
2     2 C     D    

解释：group_by(a)按分组变量拆分数据，across(everything())对所有列统一处理，first(na.omit(.))会自动跳过NA，取出每个分组里唯一的非NA值。

如果你不想加载额外包，用Base R的aggregate函数也能搞定：

# 按a分组，对每个列提取非NA值
df_processed_base <- aggregate(. ~ a, data = df, FUN = function(x) x[!is.na(x)])

# 查看结果
print(df_processed_base)

输出和上面的方法完全一致。

额外注意事项 #

如果你的数据里存在某个分组全是NA的情况，上面的方法会返回长度为0的向量，可能报错。你可以修改函数来处理这种情况，比如在dplyr的代码里改成：

df_processed <- df %>%
  group_by(a) %>%
  summarise(across(everything(), ~ if(all(is.na(.))) NA else first(na.omit(.))))

这样全NA的分组会返回NA，而不是报错。

内容的提问来源于stack exchange，提问作者griffmer