在R中判断多列字符串是否一致（含缺失值）

核心思路 #

对每一行的目标字符串列，先剔除缺失值（NA），再检查剩余值是否不全相同，满足该条件的行即为需要保留的差异行。

方法一：Base R实现 #

# 定义需要检查的变量列（所有以var开头的列）
target_vars <- grep("^var", names(df), value = TRUE)

# 逐行筛选存在差异的行
diff_result <- df[apply(df[target_vars], 1, function(row) {
  # 剔除当前行的NA值
  non_na_vals <- row[!is.na(row)]
  # 非NA值的唯一值数量大于1，说明存在差异
  length(unique(non_na_vals)) > 1
}), ]

# 查看结果
diff_result

方法二：dplyr（tidyverse）实现 #

适合习惯tidyverse语法的用户，代码更直观：

library(dplyr)

diff_result <- df %>%
  rowwise() %>%
  # 标记当前行是否存在非NA值差异
  mutate(has_difference = length(unique(na.omit(c_across(starts_with("var"))))) > 1) %>%
  # 筛选出存在差异的行
  filter(has_difference) %>%
  # 移除辅助标记列
  select(-has_difference)

# 查看结果
diff_result

结果说明 #

运行上述代码后，diff_result会返回包含id和所有变量列的数据集，仅保留那些存在非NA值差异的行，比如示例数据中的id=4、5、6行。

内容的提问来源于stack exchange，提问作者Eric Boorman