基于含NA的列修剪R数据框：保留指定NA行范围的需求

我们可以通过自定义函数结合dplyr工具来实现需求，以下是具体步骤和代码：

核心思路 #

1. 先定位所有含有效callnum的行，记录它们的位置信息
2. 根据修剪方向（正向/反向）和数量n，确定需要保留的callnum范围
3. 计算修剪后起始/结束行与相邻非NA行之间的NA行数，保留一半的过渡NA行
4. 按最终确定的行号范围筛选数据

实现代码 #

library(dplyr)
library(tidyr)

# 生成测试数据（用户提供的代码）
set.seed(123) # 设置随机种子保证结果可复现
datadf <- data.frame(time=1:100, A=rnorm(100), B=rnorm(100), C=rnorm(100))
datadf <- as.data.frame(tidyr::pivot_longer(datadf, -time, names_to = "letter", values_to = "value"))
calldf <- data.frame(call=sample(LETTERS[1:3], 10, replace=T),
                     time=seq(from=5, by=9, length=10),
                     callnum=1:10, callnum_rev=10:1)
final_df <- dplyr::left_join(datadf, calldf, by="time")

# 自定义修剪函数
trim_call_df <- function(df, n, direction = c("forward", "backward")) {
  direction <- match.arg(direction)
  
  # 1. 提取所有非NA的callnum行及其行号
  call_rows <- df %>%
    filter(!is.na(callnum)) %>%
    mutate(row_id = row_number()) %>%
    select(row_id, callnum, callnum_rev)
  
  max_callnum <- max(call_rows$callnum)
  
  # 2. 确定要保留的callnum范围
  if (direction == "forward") {
    # 修剪前n行，保留callnum > n的行
    keep_callnums <- call_rows$callnum[call_rows$callnum > n]
    start_call <- min(keep_callnums)
    end_call <- max(keep_callnums)
  } else {
    # 修剪后n行，保留callnum_rev > n（即callnum <= max_callnum -n）
    keep_callnums <- call_rows$callnum[call_rows$callnum_rev > n]
    start_call <- min(keep_callnums)
    end_call <- max(keep_callnums)
  }
  
  # 3. 定位起始和结束行的原始行号
  start_row <- call_rows$row_id[call_rows$callnum == start_call]
  end_row <- call_rows$row_id[call_rows$callnum == end_call]
  
  # 4. 计算起始行上方需要保留的NA行数
  prev_call_row <- if (start_call > 1) {
    call_rows$row_id[call_rows$callnum == start_call - 1]
  } else {
    0 # 如果是第一个callnum，上方没有非NA行，直接从第一行开始
  }
  na_rows_above <- start_row - prev_call_row - 1
  keep_na_above <- floor(na_rows_above / 2) # 向下取整，也可改用ceiling向上取整
  actual_start_row <- max(1, start_row - keep_na_above)
  
  # 5. 计算结束行下方需要保留的NA行数
  next_call_row <- if (end_call < max_callnum) {
    call_rows$row_id[call_rows$callnum == end_call + 1]
  } else {
    nrow(df) + 1 # 如果是最后一个callnum，下方没有非NA行，直接到最后一行
  }
  na_rows_below <- next_call_row - end_row - 1
  keep_na_below <- floor(na_rows_below / 2)
  actual_end_row <- min(nrow(df), end_row + keep_na_below)
  
  # 6. 筛选最终数据
  df %>%
    slice(actual_start_row:actual_end_row)
}

# 示例用法
# 修剪前2个callnum行，保留起始行上方一半NA行
trimmed_forward <- trim_call_df(final_df, n=2, direction="forward")

# 修剪后3个callnum行，保留结束行下方一半NA行
trimmed_backward <- trim_call_df(final_df, n=3, direction="backward")

代码说明 #

• set.seed(123)：设置随机种子，确保测试数据可复现
• call_rows：提取所有含有效callnum的行，记录它们在原数据中的行号
• 方向判断：
  • forward模式：剔除前n个callnum对应的行，保留后续所有有效行
  • backward模式：剔除后n个callnum对应的行（通过callnum_rev判断），保留前面的有效行
• 过渡NA行计算：用floor(na_rows/2)对NA行数取半，若需要向上取整可替换为ceiling(na_rows/2)
• 边界处理：当起始行是第一个有效callnum时，上方无NA行则从第一行开始；当结束行是最后一个有效callnum时，下方无NA行则到最后一行

内容的提问来源于stack exchange，提问作者DaniCee