R语言for循环遍历数据框列时，如何打印当前列名？

问题描述 #

我尝试用for循环遍历数据框的列，想在检查列缺失值前打印每一列的列名，但多次尝试都没成功。以下是我使用的代码：

for (i in seq_along(df)) {
  # Print column name
  print(colnames(df[[i]]))
  # Print sum of missing values for each column
  print(sum(is.na(df[[i]])))
  # Print NA value rows
}

执行后列名输出为NULL，结果如下：

NULL
[1] 70
NULL
[1] 0
NULL
[1] 0
NULL
[1] 0
NULL

问题原因 #

df[[i]]提取的是数据框的第i列，本质是一个向量（或因子、原子对象），这类对象没有colnames()属性，因此调用colnames(df[[i]])会返回NULL。

解决方案 #

有两种简洁的修改方式：

方法1：通过索引获取列名

循环时直接用colnames(df)[i]获取当前列的名称：

for (i in seq_along(df)) {
  col_name <- colnames(df)[i]
  print(col_name)
  print(sum(is.na(df[[i]])))
}

方法2：直接遍历列名（推荐）

更直观的写法是直接循环数据框的列名，既能直接拿到列名，又能通过列名提取对应列：

for (col_name in colnames(df)) {
  print(col_name)
  print(sum(is.na(df[[col_name]])))
}

两种方式都能正常输出每一列的名称和对应的缺失值数量，第二种写法可读性更强，建议优先使用。

内容的提问来源于stack exchange，提问作者Lachlan Macnish