在R中移除数值列全为0的行，保留含NA的行且字符列完整

先构造示例数据方便复现你的场景：

df <- data.frame(
  Shoes = c("Sneakers", "Clogs", "Boots", "Sandals"),
  q1_sales = c(100, 0, NA, 50),
  q2_sales = c(150, 0, NA, 60),
  q3_sales = c(120, 0, NA, NA),
  q4_sales = c(80, 0, NA, 70)
)

问题原因 #

你之前的代码df[apply(df[,-1], 1, function(x) !all(x==0)),]会导致全NA行的字符列变NA，核心问题是：当数值列全为NA时，x==0返回全NA，all(x==0)结果为NA，!all(...)也会是NA。在R的布尔索引中，NA会被当作无效索引，直接把对应行的所有列设为NA，而非保留该行。

解决方案 #

我们需要构造一个仅含TRUE/FALSE的过滤条件，明确规则：

• 保留数值列全为NA的行
• 保留数值列不全为0的行
• 移除数值列全为0的行

基础R实现

# 提取数值列
num_cols <- df[, -1]

# 生成过滤逻辑
filter_logic <- apply(num_cols, 1, function(x) {
  # 全NA的行直接保留
  if (all(is.na(x))) {
    TRUE
  } else {
    # 非全NA的行，判断是否不全为0
    !all(x == 0, na.rm = TRUE)
  }
})

# 过滤数据框
df_filtered <- df[filter_logic, ]

dplyr简洁实现（推荐）

如果习惯用tidyverse工具，代码更易读：

library(dplyr)

df_filtered <- df %>%
  rowwise() %>%
  filter(
    # 全NA的行保留，或者不是全0的行保留
    if_all(q1_sales:q4_sales, is.na) | !if_all(q1_sales:q4_sales, ~ .x == 0)
  ) %>%
  ungroup()

运行后，df_filtered会移除Clogs行，同时完整保留Boots（全NA）及其他行的所有数据，包括Shoes列的内容。

内容的提问来源于stack exchange，提问作者erwalker