使用summarise_all合并多字符列时出错或含NA的解决方法

我明白你现在遇到的问题啦——之前处理数值型数据的代码用到了sum()，但现在你的数据大多是字符型，sum()根本没法用，去掉sum()又会把NA也混进结果里。别担心，咱们调整一下合并的函数逻辑就行。

问题根源 #

原来的func_paste里用了sum(x, na.rm = T)，这个函数是专门用来计算数值求和的，对字符型数据完全不适用，这就是报错的核心原因。而且就算去掉sum()，直接处理的话NA也会被保留下来，不是咱们想要的干净结果。

正确的解决方案 #

咱们重新定义一个处理函数，核心逻辑是先过滤NA值，再提取唯一值，最后用逗号拼接：

library(dplyr)

# 定义处理函数：过滤NA、去重、拼接
func_paste <- function(x) {
  # 先移除所有NA值，再取唯一值
  filtered_vals <- unique(na.omit(x))
  # 用逗号把值拼接起来，如果没有非NA值就返回空字符串
  paste(filtered_vals, collapse = ",")
}

# 分组合并
merged_df <- df %>%
  group_by(ref) %>%
  summarise_all(func_paste)

如果你的dplyr是1.0.0及以上版本，更推荐使用across()来替代summarise_all()（summarise_all()已经逐步被官方弃用啦）：

merged_df <- df %>%
  group_by(ref) %>%
  summarise(across(everything(), func_paste))

效果验证 #

用你的测试数据跑这个代码，结果会是每个ref对应一行：

• 比如ref="1_S126_L006"的marR列会是"G103S,Y137H"，fabG列是"D105E"；
• ref="150_S96_L005"的Escherichia_coli_GlpT列是"E448K"，完全不会出现NA值~

内容的提问来源于stack exchange，提问作者Haakonkas