如何无循环筛选仅在B队列有值的抗原（AG）？

核心需求 #

从testdat数据框中筛选出仅在B队列有非NA值，A、C、D队列全为NA的抗原（AG）列，同时保留前5列患者基础信息，无需循环实现。

dplyr 实现方案 #

使用dplyr的select()结合where()函数，直接对列进行条件判断：

library(dplyr)

# 筛选目标列
selected_ags <- testdat %>%
  select(
    # 保留前5列基础信息
    Patient:Age,
    # 对AG列应用筛选逻辑
    where(function(col) {
      # 条件1：A/C/D队列中该列所有值均为NA
      all(is.na(col[testdat$Cohort %in% c("A", "C", "D")])) &&
      # 条件2：B队列中该列至少存在一个非NA值
      any(!is.na(col[testdat$Cohort == "B"]))
    })
  )

Base R 实现方案 #

如果不习惯使用dplyr，可以用Base R的sapply()遍历列进行判断：

# 提取所有AG列的列名
ag_col_names <- colnames(testdat)[6:ncol(testdat)]

# 判断每列是否符合筛选条件
keep_cols <- sapply(ag_col_names, function(col) {
  all(is.na(testdat[testdat$Cohort %in% c("A", "C", "D"), col])) &&
  any(!is.na(testdat[testdat$Cohort == "B", col]))
})

# 生成筛选后的数据集
selected_ags_base <- testdat[, c(colnames(testdat)[1:5], ag_col_names[keep_cols])]

常见问题说明 #

之前使用group_by()+filter()出错，是因为这两个函数是对行进行分组筛选，而我们的需求是对列做条件判断，因此需要用select()（dplyr）或列遍历方法（Base R）来实现。

内容的提问来源于stack exchange，提问作者Alicia