下面是一个使用max.col，is.na和names的方法。max.col查找每一行中具有最大值的列。这里，我们将is.na的值（TRUE或FALSE）提供给它，并使用ties。method=“last”获取最终的非NA值。该位置用于索引names(dat)。

data.frame(PIN=dat$PIN,
           stamp=names(dat)[-1][max.col(!is.na(dat[-1]), ties.method="last")])
    PIN   stamp
1 case1 STAMP_5
2 case2 STAMP_2
3 case3 STAMP_4
4 case4 STAMP_5
5 case5 STAMP_2

如果整行都有NA，max.col将返回该行的最终位置（是否为静默失败？）。返回NA而不是该位置的一种方法是使用NA和取幂的技巧。在这里，我们对所有行执行apply，并找到任何包含any行的NA行，如果这些行至少有一个非NA值，则返回FALSE（或0）。

data.frame(PIN=dat$PIN,
           stamp=names(dat)[-1][
                max.col(!is.na(dat[-1]), ties.method="last") * NA^!rowSums(!is.na(dat[-1]))])

在Frank的建议下，我从applyapply(dat[-1], 1, function(x) all(is.na(x)))切换到了!rowSums(!is.na(dat[-1]))。这应该比apply快很多。

通过将dplyr与melt一起使用（从reshape）

dat=melt(dat)
dat=na.omit(dat)
dat%>%group_by(PIN)%>%slice(n())

# A tibble: 5 x 3
# Groups:   PIN [5]
     PIN variable value
  <fctr>   <fctr> <dbl>
1  case1  STAMP_5     1
2  case2  STAMP_2     1
3  case3  STAMP_4     1
4  case4  STAMP_5     1
5  case5  STAMP_2     1

碱基R

temp = cbind(NA, data[-1])
temp = temp * col(temp)
data.frame(PIN = data$PIN,
           STAMP = names(temp)[max.col(m = replace(temp, is.na(temp), 0),
                                       ties.method = "first")])
#    PIN   STAMP
#1 case1 STAMP_5
#2 case2 STAMP_2
#3 case3 STAMP_4
#4 case4 STAMP_5
#5 case5 STAMP_2