如何从DataFrame中随机选取单个单元格内容并规避NA值

sample_n()的设计目标就是抽取整行数据，所以你用它拿不到单个单元格是正常的。要实现抽取单个非NA单元格，核心思路是先把DataFrame里所有非NA值提取成一维集合，再从中随机抽样。

方法一：基础R实现 #

直接写一个自定义函数，先把数据框扁平化、过滤NA，再抽样：

sample_cells <- function(x, n) {
  # 将数据框转为一维向量并过滤NA值
  valid_values <- na.omit(as.vector(unlist(x)))
  # 随机抽取n个元素
  sample(valid_values, n)
}

用你的测试数据验证：

df <- data.frame(
  "entero" = 1:4, 
  "factor" = c("a", "b", "c", "d"), 
  "numero" = c(NA, 3.4, NA, 5.6),
  "cadena" = as.character(c("a", "b", "c", "d"))
)

# 抽取2个非NA单元格
sample_cells(df, 2)

返回示例（随机结果，每次运行不同）：

[1] "3"   "5.6"

方法二：tidyverse工具链实现 #

如果你习惯用tidyverse，可以通过转长表、过滤NA、抽样来实现，结果会保留更清晰的类型信息：

library(tidyverse)

sample_cells_tidy <- function(x, n) {
  x %>%
    # 把宽表转为长表，所有值存入value列
    pivot_longer(cols = everything(), values_to = "value") %>%
    # 过滤NA值
    drop_na(value) %>%
    # 随机抽取n行
    slice_sample(n = n) %>%
    # 提取最终的单元格值
    pull(value)
}

# 调用示例
sample_cells_tidy(df, 2)

返回示例：

[1] 3.4 "b"

注意事项 #

• 基础R方法会把所有值统一转为字符类型（因为数据框包含多种数据类型），tidyverse方法会尽量保留原类型（如数值、字符）。
• 两种方法都会自动跳过所有NA值，无需额外处理。

内容的提问来源于stack exchange，提问作者gibarian