移除含90%以上NA值的列时仅返回数值而非数据框的问题求助

我来帮你排查问题并修正代码！

问题根源 #

你执行cbind(df[,1], df_col)时得到数值结果而非数据框，核心原因是：

• 默认情况下，df[,1]会把单列提取为向量（R的drop=TRUE默认行为），而cbind混合向量和数据框时，会自动将结果转换为矩阵——矩阵要求所有元素类型一致，所以你的字符型gene列会被强制转换为数值，最终得到的是数值型矩阵而非数据框。
• 直接加as.data.frame可能因为矩阵转数据框时的列名或类型问题报错，本质还是单列提取的问题。

基础R修正方案 #

只需要修改单列提取的方式，保持第一列为数据框的列（而非向量），再进行合并：

# 提取第2列到最后一列作为数据框
df_col <- df[, 2:ncol(df)]
# 筛选非NA占比超过90%的列（即NA占比<10%）
df_col <- df_col[, which(colMeans(!is.na(df_col)) > 0.9)]
# 关键：用drop=FALSE保留第一列为数据框列，避免转成向量
df <- cbind(df[, 1, drop = FALSE], df_col)

这样合并后的结果会是标准的数据框，且保留原列名（比如gene列的名称不会变成V1）。

更简洁的dplyr方案 #

如果你熟悉tidyverse，可以用dplyr的select+where函数一步完成，代码更直观且不易出错：

library(dplyr)

# 保留gene列，同时筛选NA占比<90%的列
df_filtered <- df %>%
  select(gene, where(~ mean(is.na(.x)) < 0.9))

关于示例数据的小说明 #

你的示例数据中，cell2列的NA占比是5/6≈83.3%，并未超过90%，按照你的阈值逻辑应该会保留该列。如果你的期望结果是删除cell2，可能是阈值设置有误（比如想删除NA占比超过50%的列，那阈值应改为colMeans(!is.na(df_col)) > 0.5），你可以根据实际需求调整比例。

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