如何用外部变量指定列过滤缺失值？两种方法有效性解析

问题背景 #

我们有如下模拟数据，需要依次筛选出a、b、c列存在有效值的样本：

foo <- data.frame(
    a = c(letters[1:5], rep(NA, 10)),
    b = c(rep(NA, 5), letters[6:10], rep(NA, 5)),
    c = c(rep(NA, 10), letters[11:15])
)

生成的数据框：

> foo
      a    b    c
1     a <NA> <NA>
2     b <NA> <NA>
3     c <NA> <NA>
4     d <NA> <NA>
5     e <NA> <NA>
6  <NA>    f <NA>
7  <NA>    g <NA>
8  <NA>    h <NA>
9  <NA>    i <NA>
10 <NA> <NA> <NA>
11 <NA> <NA>    k
12 <NA> <NA>    l
13 <NA> <NA>    m
14 <NA> <NA>    n
15 <NA> <NA>    o

尝试用循环实现逐列过滤时，直观写法filter(!is.na(the.letter))完全无效，但drop_na(all_of(the.letter))和硬编码列名的filter(!is.na(c))却能正常工作：

myletters <- c("a", "b", "c")

for(the.letter in myletters) {
    foo2 <- foo %>%
        # 此代码无效
        # filter(!is.na(the.letter))
        # 此代码生效
        drop_na(all_of(the.letter))
        # 硬编码列名也生效，但无法遍历
        # filter(!is.na(c))
    print(foo2)
}

直观方案失效的原因 #

filter(!is.na(the.letter))里的the.letter是一个字符串变量，is.na()在这里检查的是这个字符串本身是否为NA，而不是数据框中对应列的元素。

比如当循环到the.letter = "c"时，is.na("c")的结果永远是FALSE，所以!is.na(the.letter)会生成一个全为TRUE的向量，filter会保留所有行，等于没有过滤。

生效方案的原理 #

1. drop_na(all_of(the.letter)) #

all_of()是dplyr提供的选择工具，它的作用是将字符串形式的列名转换为dplyr能识别的列引用。当你传入all_of(the.letter)时，它会告诉drop_na：去检查数据框中名为the.letter对应字符串的那列，删除该列有NA的行，因此循环时能正确对应每一列。

2. 硬编码filter(!is.na(c)) #

这里的c直接引用了数据框中的c列，is.na(c)会逐行检查该列的每个元素是否为NA，生成的是和数据框行数一致的逻辑向量，filter会根据这个向量筛选行，所以能正常工作。但这种写法无法通过循环批量处理列名。

用filter实现批量过滤的正确写法 #

如果想保留filter的写法，也可以用dplyr的.data代词来引用列：

filter(!is.na(.data[[the.letter]]))

.data[[x]]会从当前数据框中提取名为x的列，这样就能正确检查对应列的缺失值，实现循环过滤。

内容的提问来源于stack exchange，提问作者Stuart