您可以summariseacross每group_by列，并获得每列的max值，如下所示：

library(dplyr)
aa %>%
  group_by(ID) %>%
  summarise(across(bin1:bin3, ~ max(as.numeric(.x), na.rm = TRUE)))
#> # A tibble: 2 × 4
#>   ID     bin1  bin2  bin3
#>   <chr> <dbl> <dbl> <dbl>
#> 1 A         1     0     1
#> 2 B         0     1     0

创建于2023-03-27带有reprex v2.0.2

使用数据：

cnames <- c("ID", "bin1", "bin2", "bin3")
a<- c("A", 1, 0, 0)
b <- c("A",0, NA, 1)
c <- c("B", 0, 0, 0)
d <- c("B", 0, 1, 0)
aa<- rbind(cnames, a,b,c,d)
aa <- as.data.frame(aa)
colnames(aa) = aa[1,]
aa = aa[2:5,]

Quinten的解决方案总体上非常好。
然而，代替

aa %>%
  group_by(ID) %>%
  summarise(across(bin1:bin3, ~ max(as.numeric(.x), na.rm = TRUE)))

我会使用不带as.numeric（）的命令：

aa %>%
  group_by(ID) %>%
  summarise(across(bin1:bin3, ~ max(.x, na.rm = TRUE)))

原因是，当一个标识符的列的所有元素都是NA时，您会得到意想不到的结果。例如：

cnames <- c("ID", "bin1", "bin2", "bin3")
a <- c("A", 1, NA, 0)
b <- c("A",0, NA, 1)
c <- c("B", 0, 0, 0)
d <- c("B", 0, 1, 0)
aa<- rbind(a,b,c,d)
aa <- as.data.frame(aa) 
colnames(aa) <- cnames

aa %>%
  group_by(ID) %>%
  summarise(across(bin1:bin3, ~ max(as.numeric(.x), na.rm = TRUE)))

为您提供：

ID     bin1  bin2  bin3
  <chr> <dbl> <dbl> <dbl>
1 A         1  -Inf     1
2 B         0     1     0

不使用as.numeric的解决方案会给出所需的结果：

ID    bin1  bin2  bin3 
  <chr> <chr> <chr> <chr>
1 A     1     NA    1    
2 B     0     1     0