根据其他变量的条件，第一个和最后一个非缺失时间点的值。条件合并（dplyr）

a/b/c是不同的变量，t1是时间点1，t2是时间点2，t3是时间点3

其目的是为a_t1到a_t3的每一行创建两个新列：一个列具有first和一个列具有last非缺失值。在变量b和c（在同一时间点）中也不缺失的条件下

我认为

coalesce（）

可以使用某种条件格式。然而，我对这方面的了解有限。最好是tidyverse解决方案，但其他解决方案也可以

library(tidyverse)

df<-tibble::tribble(
                       ~a_t1, ~a_t2, ~a_t3, ~b_t1, ~b_t2, ~b_t3, ~c_t1, ~c_t2, ~c_t3,
                           1,    NA,     9,     2,    NA,     6,     3,    NA,     7,
                           2,    NA,     8,    NA,     5,     8,    NA,     1,     8,
                          NA,    NA,     3,     2,    NA,     9,     2,    NA,    22,
                          NA,     5,     9,     4,    NA,     9,     4,     5,    NA,
                          NA,     9,    10,    NA,     6,    11,    NA,     6,    NA
                       )

库（tidyverse）
df使用
dplyr
和
tidyr
的方法：

library(dplyr)
library(tidyr)

df %>%
  #Create a row number
  mutate(row = row_number()) %>%
  #Get data in long format
  pivot_longer(cols = -row) %>%
  #Separate the data in two columns
  separate(name, c('name1', 'name2'), sep = '_') %>%
  #Group by each row and t1, t2 columns
  group_by(row, name2) %>%
  #Drop groups with all `NA` values
  filter(all(!is.na(value))) %>%
  #For each row get first and last value for "a" columns
  group_by(row) %>%
  summarise(first = first(value[name1 == 'a']), 
            last = last(value[name1 == 'a'])) %>%
  #Complete the data for missing rows.
  complete(row = 1:nrow(df))

#    row first last
#  <int> <dbl> <dbl>
#1     1     1     9
#2     2     8     8
#3     3     3     3
#4     4    NA    NA
#5     5     9     9

库（dplyr）
图书馆（tidyr）
df%>%
#创建一个行号
变异（行=行编号（））%>%
#获取长格式的数据
枢轴长度（cols=-行）%>%
#将数据分为两列
单独的（名称，c（'name1'，'name2'），sep='.''''''''>%
#按每行和t1、t2列分组
分组人（行，名称2）%>%
#删除具有所有'NA'值的组
过滤器（所有（！is.na（值）））%>%
#对于每一行，获取“a”列的第一个和最后一个值
分组依据（行）%>%
总结（第一个=第一个（值[name1=='a']），
last=last（值[name1=='a']）%>%
#完成缺少行的数据。
完成（行=1:nrow（df））
#排第一排最后一排
#    
#1     1     1     9
#2     2     8     8
#3     3     3     3
#4娜娜
#5     5     9     9
使用
dplyr
和
tidyr
的方法：

library(dplyr)
library(tidyr)

df %>%
  #Create a row number
  mutate(row = row_number()) %>%
  #Get data in long format
  pivot_longer(cols = -row) %>%
  #Separate the data in two columns
  separate(name, c('name1', 'name2'), sep = '_') %>%
  #Group by each row and t1, t2 columns
  group_by(row, name2) %>%
  #Drop groups with all `NA` values
  filter(all(!is.na(value))) %>%
  #For each row get first and last value for "a" columns
  group_by(row) %>%
  summarise(first = first(value[name1 == 'a']), 
            last = last(value[name1 == 'a'])) %>%
  #Complete the data for missing rows.
  complete(row = 1:nrow(df))

#    row first last
#  <int> <dbl> <dbl>
#1     1     1     9
#2     2     8     8
#3     3     3     3
#4     4    NA    NA
#5     5     9     9

库（dplyr）
图书馆（tidyr）
df%>%
#创建一个行号
变异（行=行编号（））%>%
#获取长格式的数据
枢轴长度（cols=-行）%>%
#将数据分为两列
单独的（名称，c（'name1'，'name2'），sep='.''''''''>%
#按每行和t1、t2列分组
分组人（行，名称2）%>%
#删除具有所有'NA'值的组
过滤器（所有（！is.na（值）））%>%
#对于每一行，获取“a”列的第一个和最后一个值
分组依据（行）%>%
总结（第一个=第一个（值[name1=='a']），
last=last（值[name1=='a']）%>%
#完成缺少行的数据。
完成（行=1:nrow（df））
#排第一排最后一排
#    
#1     1     1     9
#2     2     8     8
#3     3     3     3
#4娜娜
#5     5     9     9
能否显示给定数据的预期输出？已添加预期输出！您能否显示给定数据的预期输出？已添加预期输出！Thanx是伟大的解决方案。我有一个事后的想法：是否也可以得到所使用的值的位置。在这种情况下，如果它位于“a”（或列名称）的第一、第二或第三列。是的，这是可能的，但也许你应该作为一个新问题来问它。Thanx是一个很好的解决方案。我有一个事后的想法：是否也可以得到所使用的值的位置。在本例中，如果它位于“a”的第一列、第二列或第三列（或该列的名称）。是的，这是可能的，但也许你应该把它作为一个新问题来问。