R语言subset函数中获取变量值以移除全NA列的问题

最优解法（无需循环） #

直接批量筛选出不是全NA的列，代码简洁且效率更高：

# 保留所有至少有一个非NA值的列
df2 <- df2[, colSums(!is.na(df2)) > 0]

如果习惯tidyverse风格，也可以用dplyr实现：

library(dplyr)
df2 <- df2 %>% select(where(~sum(!is.na(.x)) > 0))

原代码的错误分析与修正 #

你遇到的Error in -: invalid argument to unary operator错误，核心原因有三个：

1. 列索引方式错误：df2$val会直接查找列名为val的列，而非val变量存储的目标列名，应该用df2[[val]]按字符串索引列。
2. subset的非标准求值限制：subset()的select参数采用非标准求值逻辑，无法直接识别字符串变量val，需要改用标准求值的列索引方式。
3. ifelse误用：ifelse是向量化判断函数，这里单条件判断用普通if/else更合适。

修正后的循环版本代码：

cname <- c("A1","A2","A3","A4","A5","A6","A7","A8","A9","A10",
           "A11","A12","A13","A14","A15","A16","A17","A18","A19","A20",
           "A21","A22","A23","A24","A25","A26","A27","A28","A29","A30","A31")

for (i in 15:length(cname)) {
    val <- cname[i]
    # 用[[val]]正确索引列，判断是否全为NA
    if (all(is.na(df2[[val]]))) {
        # 用列名匹配的方式删除目标列
        df2 <- df2[, !names(df2) %in% val, drop = FALSE]
        # 若用dplyr可写为：df2 <- df2 %>% select(-all_of(val))
    }
}

关键知识点说明 #

• df2[[val]]：通过字符串变量索引数据框列的标准写法，避免非标准求值的解析错误。
• colSums(!is.na(df2)) > 0：计算每列非NA值的数量，一次性筛选出非全NA列，比循环处理效率高。
• select(-all_of(val))：在dplyr中，all_of()可将字符串变量转换为select能识别的列名，解决非标准求值的适配问题。

内容的提问来源于stack exchange，提问作者alf001