您可以将complete与nesting一起使用，并删除NA行，如下所示：

library(dplyr)
library(tidyr)
df %>%
  complete(id, nesting(gender, age)) %>%
  drop_na(gender, age)
#> # A tibble: 30 × 3
#>       id gender age   
#>    <int> <chr>  <chr> 
#>  1     1 F      middle
#>  2     1 F      old   
#>  3     1 F      young 
#>  4     1 M      middle
#>  5     1 M      old   
#>  6     1 M      young 
#>  7     2 F      middle
#>  8     2 F      old   
#>  9     2 F      young 
#> 10     2 M      middle
#> # … with 20 more rows

创建于2023-03-23带有reprex v2.0.2

使用数据：

df = read.table(text = 'id        gender        age
1         M             young
1         M             middle
1         M             old
1         F             young
1         F             middle
1         F             old
2         M             young
4         NA            NA
5         NA            NA
6         M             young', header = TRUE)

如果你想坚持使用基本的R函数，你可以这样做：
假设这是你的数据：

df<-data.frame(id=c(1,1,1,1,1,1,2,3,4,5,6),
           gender=c("M","M","M","F","F","F","M","M",NA,NA,"M"),
           age=c("young","middle","old","young","young",NA,NA,"young","young","young","young"))

您可以使用expand.grid()和unique()来提供所有组合。

df2<-expand.grid(id=unique(df$id),gender=unique(df$gender),age=unique(df$age))

接下来，要清除和删除NA值，可以用途：

df3<-df2[!rowSums(is.na(df2[-1])),]

现在df 3有你正在寻找的！