dplyr函数，用于合并重复数据、删除丢失的数据和维护冲突的数据

library(dplyr)

# 假设 df 是一个包含重复行的数据框
df <- data.frame(
  id = c(1, 2, 2, 3),
  value = c("A", "B", "B", "C")
)

# 使用 distinct() 去除重复行
df_unique <- df %>% distinct()

# 假设 df 包含缺失值
df_with_na <- data.frame(
  id = c(1, 2, NA, 4),
  value = c("A", NA, "C", "D")
)

# 使用 na.omit() 移除含有缺失值的行
df_cleaned <- df_with_na %>% na.omit()

# 或者使用 drop_na() 移除含有缺失值的行或列
df_cleaned_col <- df_with_na %>% drop_na(axis = 1) # 移除含有NA的列

# 假设有两个数据框 df1 和 df2，它们通过 id 列关联
df1 <- data.frame(id = c(1, 2, 3), value1 = c("A", "B", "C"))
df2 <- data.frame(id = c(2, 3, 4), value2 = c("X", "Y", "Z"))

# 使用 inner_join() 合并两个数据框，只保留 id 在两个数据框中都存在的行
df_merged <- df1 %>% inner_join(df2, by = "id")

# 使用 full_join() 合并两个数据框，保留所有行，缺失值用 NA 填充
df_full_merged <- df1 %>% full_join(df2, by = "id")

# 假设 df1 和 df2 在 id=2 时有冲突
df_merged_custom <- df1 %>% full_join(df2, by = "id") %>%
  mutate(value = ifelse(!is.na(value1), value1, value2))