如何在RStudio中过滤多列非零值长度各异的数据集？

R语言实现 #

生成非零值列表（保留各列独立长度） #

如果不需要统一成数据框，直接提取每列的非零值存储为列表，适合后续单独处理各列：

# 假设你的数据集名为df
non_zero_cols <- lapply(df, function(col) col[col != 0])

返回的non_zero_cols是一个列表，每个元素对应原数据集一列的所有非零值，长度随原列非零值数量变化。

生成填充NA的数据框（统一行数） #

如果需要输出为标准数据框格式，短列会自动用NA补全到最长列的长度：

library(dplyr)
# 遍历提取非零值后拼接成数据框
non_zero_df <- bind_cols(lapply(df, function(col) col[col != 0]))

Python语言实现 #

生成非零值字典/列表 #

用Pandas处理时，可生成以列名为键、非零值列表为值的字典，方便索引调用：

import pandas as pd

# 假设数据集名为df
non_zero_dict = {col: df[col][df[col] != 0].tolist() for col in df.columns}

若只需要列表集合，直接生成列表即可：

non_zero_list = [df[col][df[col] != 0].tolist() for col in df.columns]

生成填充NaN的数据框 #

要得到标准数据框，短列会自动用NaN补全：

# 提取每列非零值并重置索引后拼接
non_zero_df = pd.concat(
    [df[col][df[col] != 0].reset_index(drop=True) for col in df.columns],
    axis=1
)

注：由于各列非零值长度不一致，无法生成无缺失值的矩形数据集，上述两种输出形式（列表/字典、带缺失值的数据框）是最常用的解决方案。

内容的提问来源于stack exchange，提问作者tom