使用dplyr对含NA列的数据框按行条件过滤

测试数据如下：

dummy_data <- data.frame (name  = c("apple", "apple", "orange", "orange", "orange", "kiwi", "kiwi", "kiwi"),
                values = c("value_1", "value_2", NA,"value_2","value_3","value_3", NA, "value_3"),
                data = c("1234","2345","3456","4567","5678","6789","7890","1245"))

需在循环中针对大型数据集执行动态条件过滤：

• 匹配name=fruit_name、data=number的行
• 若该行values列不为NA，需额外匹配values=value；若为NA则直接保留该行
  本次测试目标是筛选出name='kiwi'、values='value_3'、data='6789'的第6行数据。

已定义动态变量：

fruit_name <- 'kiwi'
value <- 'value_3'
number <- "6789"

尝试的过滤代码未实现预期效果，使用filter(if (!is.na(value)) values == number else TRUE)时出现报错：the condition has length > 1 and only the first element will be used。

需基于如下组合列表，循环生成对应筛选结果集df_1、df_2等：

filter_list <- list(fruit = c("apple", "orange", "kiwi", "kiwi"), 
                    vals1 = c("value_2", "value_1", "value_3", "value_3"), 
                    vals2 = c("4567", "5678", "6789", "4567"))

1. 单个条件的正确筛选逻辑 #

报错原因是if是标量判断，只能处理单个值，而filter需要向量化的逻辑条件。可以用以下两种方式实现需求：

方法一：逻辑条件组合 #

library(dplyr)

# 单个筛选示例
result_single <- dummy_data %>%
  filter(name == fruit_name,
         data == number,
         # 核心逻辑：values为NA 或者 values等于指定value
         is.na(values) | values == value)

# 输出结果
result_single

运行后会正确筛选出目标行：

name  values data
1 kiwi value_3 6789

方法二：用case_when实现 #

result_single <- dummy_data %>%
  filter(name == fruit_name,
         data == number,
         case_when(
           !is.na(values) ~ values == value,
           TRUE ~ TRUE
         ))

2. 循环批量生成结果集 #

先把筛选参数列表转成数据框，再通过循环遍历每一组参数生成结果：

步骤1：整理参数数据框 #

filter_params <- as.data.frame(filter_list)

步骤2：循环生成结果 #

# 初始化列表存储结果
result_list <- list()

for (i in 1:nrow(filter_params)) {
  current_fruit <- filter_params$fruit[i]
  current_value <- filter_params$vals1[i]
  current_number <- filter_params$vals2[i]
  
  # 执行筛选
  current_result <- dummy_data %>%
    filter(name == current_fruit,
           data == current_number,
           is.na(values) | values == current_value)
  
  # 存入列表，命名为df_1、df_2...
  result_list[[paste0("df_", i)]] <- current_result
}

# 查看结果示例
result_list$df_1

执行后result_list中会包含df_1到df_4，分别对应每组参数的筛选结果。

用purrr简化循环（可选） #

如果习惯tidyverse风格，可使用purrr::pmap简化代码：

library(purrr)

result_list <- pmap(filter_params, function(fruit, vals1, vals2) {
  dummy_data %>%
    filter(name == fruit,
           data == vals2,
           is.na(values) | values == vals1)
}) %>%
  set_names(paste0("df_", 1:length(.)))

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