使用dplyr的group_by移除含多NA行并合并p_id唯一行

嘿，这需求很常见，我来给你两个靠谱的解决方案，不管你用dplyr还是base R都能搞定，而且支持任意列数哦！

先看你的原始数据 #

首先把你的测试数据放出来，方便对照：

df <- data.frame(id=c(1,1,2,3,4,4),p_id=c(1001,1001,1002,1003,1004,1004),x=c(1,NA,1,2,NA,1),y=c(NA,5,4,NA,6,NA),z=c(NA,NA,2,3,NA,4))

对应的表格：

方案一：用dplyr（推荐，代码更直观） #

如果你习惯用tidyverse系列工具，这个方案最顺手，扩展性拉满，加多少列都不用改代码：

library(dplyr)

# 核心处理代码
result <- df %>%
  group_by(p_id) %>%
  # 对除id外的所有列处理，自动适配任意列数
  summarise(across(-id, ~{
    non_na_vals <- na.omit(.x)
    if (length(non_na_vals) > 0) non_na_vals[1] else NaN
  }), .groups = "drop")

# 查看结果
print(result)

代码解释 #

• group_by(p_id)：把相同p_id的行归为一组，这是合并的基础
• across(-id, ...)：指定要处理的列，-id表示排除id列，剩下的所有列（不管是x、y、z还是以后新增的列）都会被处理，完美支持任意列数
• 自定义函数逻辑：对每组的列数据，先过滤掉NA值，如果有非NA值就取第一个（你的数据里每组同一列只有一个非NA值），如果全是NA就返回NaN，和你期望的输出完全匹配
• .groups = "drop"：处理完后取消分组结构，得到普通的数据框

方案二：用base R（无需额外安装包） #

如果不想加载dplyr，用base R的aggregate函数也能实现：

# base R 版本代码
result_base <- aggregate(. ~ p_id, data = df[, -1], FUN = function(x) {
  non_na_vals <- na.omit(x)
  if (length(non_na_vals) > 0) non_na_vals[1] else NaN
})

# 查看结果
print(result_base)

代码解释 #

• aggregate(. ~ p_id, data = df[, -1], ...)：按p_id分组，对df[, -1]（去掉id列后的所有数据）应用自定义函数
• 自定义函数的逻辑和dplyr版本完全一致，最终效果也相同

最终输出结果 #

不管用哪个方案，你都会得到想要的结果：

内容的提问来源于stack exchange，提问作者SinghD