r - 通过通用标识符合并复杂的 data.frame 行

Question

example <- structure(list(id = c(1, 1, 2, 2, 3, 3, 4), var1 = c(5, NA, 8, 
9, 10, NA, 3), var2 = c(23, NA, 8, 9, NA, NA, 6), var3 = c(NA, 
NA, NA, NA, NA, NA, NA), var4 = c(5, 5, 6, 6, 7, 7, 8)), row.names = c(NA, 
-7L), class = "data.frame")

我有一个庞大而复杂的数据框，其中相同的度量可能会出现多次，并且同一度量的不同条目可能包含不同的数据。我在上面创建了一个简化的示例。我想做的就是尽可能地将其合并。我认为如果我引用这个例子，对我来说最容易解释:

print(example)

  id var1 var2 var3 var4
1  1    5   23   NA    5
2  1   NA   NA   NA    5
3  2    8    8   NA    6
4  2    9    9   NA    6
5  3   10   NA   NA    7
6  3   NA   NA   NA    7
7  4    3    6   NA    8

• 如果变量存在于具有 ID 的行中，但在另一行中为 NA，则始终采用非 NA 值
• 如果变量的值在 ID 的所有实例中都相同，则使用此值
• 如果两行具有相同的 ID，但单个变量的值不同，则它们将保留为两个不同的行
• 如果该变量在具有某个 ID 的所有行中均为 NA，则该 ID 在最终数据帧中该变量的值为 NA

因此，所需的输出如下所示:

  id var1 var2 var3 var4
1  1    5   23   NA    5
2  2    8    8   NA    6
3  2    9    9   NA    6
4  3   10   NA   NA    7
5  4    3    6   NA    8

StackOverflow 上有类似的问题，但没有一个问题同时处理所有这些功能。我最接近的是:

example %>% 
   group_by(id) %>% 
   summarise_all(funs(list(na.omit(.))))

     id var1      var2      var3      var4     
  <dbl> <list>    <list>    <list>    <list>   
1     1 <dbl [1]> <dbl [1]> <lgl [0]> <dbl [2]>
2     2 <dbl [2]> <dbl [2]> <lgl [0]> <dbl [2]>
3     3 <dbl [1]> <dbl [0]> <lgl [0]> <dbl [2]>
4     4 <dbl [1]> <dbl [1]> <lgl [0]> <dbl [1]>

这基本上是我想要的，但是将所有内容都放入列表中，这阻碍了数据帧的任何下游工作。例如，我得到的不是 ID 2 的两行，而是单行，其中包含 var1 的 8 和 9 的列表。对于匹配变量也会发生这种情况:对于 ID1, var4，您会得到一个包含 5, 5 的列表。

Answer 1

您可以跨执行此操作。对于每一列和id，您只能保留唯一非NA值，

library(dplyr)

example %>% 
  group_by(id) %>% 
  summarise(across(.fns = ~{x <- unique(na.omit(.));x[1:max(1, length(x))]}))
  #With summarise_all you can do
  #summarise_all(~{x <- unique(na.omit(.));x[1:max(1, length(x))]})


#    id  var1  var2 var3   var4
#  <dbl> <dbl> <dbl> <lgl> <dbl>
#1     1     5    23 NA        5
#2     2     8     8 NA        6
#3     2     9     9 NA        6
#4     3    10    NA NA        7
#5     4     3     6 NA        8