如何筛选DataFrame中所有列均无'Unknown'值的行？

示例数据 #

先构造你提供的示例DataFrame：

mydf <- data.frame(
  name = c("Dave", "John", "Steve", "Mark"),
  age = c("54", "Unknown", "34", "38"),
  height = c("180", "Unknown", "182", "178"),
  job = c("Y", "Unknown", "Y", "Y"),
  city = c("London", "Unknown", "Birmingham", "Unknown"),
  stringsAsFactors = FALSE
)

解决方案 #

下面提供几种实用的实现方法：

方法1：Base R + apply + all

你之前用all出错是因为没按行维度应用函数，正确写法如下：

mynewdf <- mydf[apply(mydf != "Unknown", 1, all), ]

• mydf != "Unknown" 生成布尔矩阵，标记每个元素是否非'Unknown'
• apply(..., 1, all) 按行（参数1代表行）执行all函数，判断该行所有元素是否都为TRUE
• 最后用生成的布尔向量对原DataFrame做子集筛选

方法2：Base R + rowSums（更高效）

针对大数据集，用rowSums统计每行的'Unknown'数量，筛选数量为0的行性能更好：

mynewdf <- mydf[rowSums(mydf == "Unknown") == 0, ]

• rowSums(mydf == "Unknown") 统计每行中'Unknown'的个数
• 筛选个数为0的行，就是所有列都无'Unknown'的目标行

方法3：tidyverse（dplyr）

如果习惯用dplyr，可以用if_all函数简洁实现：

library(dplyr)
mynewdf <- mydf %>% 
  filter(if_all(everything(), ~ . != "Unknown"))

• everything() 指定检查所有列
• if_all(..., ~ . != "Unknown") 确保所有列都满足非'Unknown'的条件
• filter 保留符合条件的行

最终结果 #

执行任意方法后，得到的mynewdf如下：

> mynewdf
   name age height job        city
1  Dave  54    180   Y      London
3 Steve  34    182   Y Birmingham

内容的提问来源于stack exchange，提问作者Joe