如何将Key变量提取的信息回填至R语言Linking数据集的NA字段

看起来你已经搞定了从Key字段拆分缺失信息的步骤，现在卡在怎么把这些信息准确回填到原数据集的NA位置，而且用merge的时候还出现了重复字段的问题对吧？别担心，下面给你几个实用的解决方案，都是我平时处理这类问题常用的方法：

方法一：用dplyr的left_join + coalesce（推荐，代码简洁易读） #

这个思路是先把拆分好的test2和原数据集通过Key关联，然后用coalesce函数自动选择非NA的值——原数据里已经有有效值的行保留原值，NA的行就用拆分出来的值填充，完美避免重复字段的问题。

library(dplyr)

# 你已经完成的拆分步骤（这里补了类型转换，因为拆分出来的qtr是字符，原数据是数值）
test <- filter(Linking, is.na(ID)) %>% select(Key)
test2 <- data.frame(do.call(rbind, strsplit(test$Key, "_")), test$Key)
names(test2) <- c("ID", "PSU", "qtr", "Key")
test2$qtr <- as.numeric(test2$qtr)  # 确保类型和原数据一致

# 开始回填数据
Linking_updated <- Linking %>%
  left_join(test2, by = "Key") %>%  # 按Key关联两个表
  mutate(
    # coalesce函数：如果第一个参数是NA，就取第二个，否则保留第一个
    ID = coalesce(ID.x, ID.y),
    PSU = coalesce(PSU.x, PSU.y),
    qtr = coalesce(qtr.x, qtr.y)
  ) %>%
  select(-ends_with(".x"), -ends_with(".y"))  # 删除关联后产生的重复字段

方法二：用data.table的更新连接（高效处理大数据集） #

如果你需要处理的是几十万甚至上百万行的大数据集，data.table的更新连接会比dplyr快很多，而且代码非常简洁，直接在原数据集上修改，不用额外创建对象：

library(data.table)

# 转换为data.table格式
setDT(Linking)
setDT(test2)
test2[, qtr := as.numeric(qtr)]  # 统一类型

# 直接更新原数据集中的NA值
Linking[test2, on = .(Key), `:=`(
  ID = i.ID,
  PSU = i.PSU,
  qtr = i.qtr
)]

这里的on = .(Key)指定用Key作为匹配键，i.ID代表test2里的ID值，只有原数据中ID为NA的行会被替换，因为test2本身就是从原数据的NA行筛选出来的，匹配非常精准。

方法三：基础R原生方法（无需加载任何包） #

如果你不想依赖第三方包，用基础R的match函数也能轻松搞定：

# 先处理拆分后的数据类型
test2$qtr <- as.numeric(test2$qtr)

# 定位原数据中需要填充的NA行索引
na_row_indices <- which(is.na(Linking$ID))

# 按Key匹配，逐个字段填充
Linking$ID[na_row_indices] <- test2$ID[match(Linking$Key[na_row_indices], test2$Key)]
Linking$PSU[na_row_indices] <- test2$PSU[match(Linking$Key[na_row_indices], test2$Key)]
Linking$qtr[na_row_indices] <- test2$qtr[match(Linking$Key[na_row_indices], test2$Key)]

这个方法的核心是用match函数找到原数据NA行的Key在test2中的对应位置，然后把值替换过去，逻辑非常直观。

最后可以用下面的代码验证一下填充结果：

# 查看原本的NA行现在是否被正确填充
Linking[21:30, c("ID", "PSU", "qtr", "Key")]

内容的提问来源于stack exchange，提问作者Laura