在R的tidyverse中按非NA的words对应汇总Duration列的问题

问题分析 #

你遇到的问题是在summarise中尝试筛选words非NA对应的Duration值拼接时，意外拼接了所有Duration值。大概率是因为当前tidyverse上下文里，逻辑索引!is.na(words)没有正确作用于Duration列（比如words列的NA是字符串"NA"而非真正的缺失值，或者索引逻辑在summarise中被意外解析）。

正确解决方案 #

以下几种方法都能实现需求，且无需提前过滤数据框（保留其他列的汇总能力）：

方法1：明确提取非NA对应的向量 #

用which()将逻辑向量转换为位置索引，避免潜在的上下文解析问题：

library(tidyverse)
df %>%
  summarise(
    words = str_c(words[!is.na(words)], collapse = ","),
    words_dur = str_c(Duration[which(!is.na(words))], collapse = ",")
  )

方法2：用filter配合pull明确筛选 #

直接基于words非NA的行提取Duration，逻辑更直观：

library(tidyverse)
df %>%
  summarise(
    words = str_c(na.omit(words), collapse = ","),
    words_dur = str_c(pull(filter(df, !is.na(words)), Duration), collapse = ",")
  )

方法3：用purrr::keep筛选 #

借助purrr工具包的keep函数，按words的非NA状态保留对应Duration值：

library(tidyverse)
df %>%
  summarise(
    words = str_c(na.omit(words), collapse = ","),
    words_dur = str_c(keep(Duration, !is.na(words)), collapse = ",")
  )

验证结果 #

运行上述任意代码，针对你的示例数据都会得到期望输出：

words words_dur
1 hey,how,are,you 44,55,77,99

内容的提问来源于stack exchange，提问作者Chris Ruehlemann