在R中按指定列条件过滤行及获取被移除数据的技术问询

数据格式 #

需求说明 #

• 编写函数：过滤掉所有以D或PI开头的列中值≤-20.5的行，同时保留含NA值的行（不同文件的这类列名称不同，但前缀固定为D或PI）
• 现有正向过滤代码可运行，希望得到更优实现方式
• 编写反向过滤函数，返回被移除的行，但当前反向过滤代码无法正常执行

现有代码 #

正向过滤代码（可正常运行） #

library(dplyr)

filter.data<-function(mydata){
  filtered<-mydata %>%
    filter(
      across(
        .cols=starts_with(c("D","PI")),
        .fns=any_vars(.>(-20.5)|is.na(.))
      )
    )
  return(filtered)
}

反向过滤代码（无法正常执行） #

rm.data<-function(mydata){
  filtered<-mydata %>%
    filter(
      across(
        .cols=starts_with(c("D","PI")),
        .fns=any_vars(.<(-20.5)& !is.na(.))
      )
    )
  return(rm.data)
}

解决方案 #

1. 正向过滤的优化实现 #

原代码逻辑没问题，但dplyr 1.0.0+推荐使用更现代的if_any替代any_vars，语法更清晰且兼容性更好：

library(dplyr)

filter_data <- function(mydata) {
  mydata %>%
    filter(
      if_any(starts_with(c("D", "PI")), ~ .x > -20.5 | is.na(.x))
    )
}

if_any的作用是：只要指定列中有任意一列满足值>-20.5或为NA，就保留该行，和原代码逻辑完全一致。

2. 反向过滤函数的修正 #

原反向过滤代码有两个致命问题：

• 返回语句错误：最后返回的是函数名rm.data，而非处理后的结果filtered
• 若需求是「保留任意一列值<-20.5且非NA的行」，修正后的代码如下：

rm_data <- function(mydata) {
  mydata %>%
    filter(
      if_any(starts_with(c("D", "PI")), ~ .x < -20.5 & !is.na(.x))
    )
}

如果需求是「保留所有D/PI前缀列值都<-20.5且非NA的行」，则替换为if_all：

rm_data <- function(mydata) {
  mydata %>%
    filter(
      if_all(starts_with(c("D", "PI")), ~ .x < -20.5 & !is.na(.x))
    )
}

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