如何在R的DataFrame中筛选多列值存在差异的行

数据 #

以下是你提供的数据框片段：

df <- structure(list(ID = c("A", "B", "C", "D", "E", "F", "G", "H", "I", "J"), 
                     C1 = c("5", "5", "6", "6", "6", "5", "7", "—", "—", "5"), 
                     C2 = c("5", "5", "6", "6", "6", "5", "—", "8", "—", "5"), 
                     C3 = c("5", "5", "6", "6", "6", "5", "—", "—", "9", "5"), 
                     C4 = c("5", "5", "6", "6", "6", "5", "—", "—", "9", "5")), 
                row.names = c(NA, 10L), class = "data.frame")

对应的表格展示：

解决方案（dplyr管道实现） #

用dplyr可以简洁地实现需求，不需要写循环：

library(dplyr)

# 筛选C1-C4列存在差异的行
result <- df %>%
  # 把占位符“—”转成NA，方便后续处理
  mutate(across(C1:C4, ~ na_if(., "—"))) %>%
  # 切换到按行处理模式
  rowwise() %>%
  # 筛选出非NA值的唯一数量>1的行
  filter(n_distinct(c_across(C1:C4), na.rm = TRUE) > 1) %>%
  # 取消按行分组
  ungroup()

# 查看结果
print(result)

运行后得到的结果就是你要的第7-9行：

核心逻辑 #

• na_if(., "—")：把数据里的“—”替换成R标准缺失值NA，避免干扰唯一值计算；
• rowwise()：让后续操作逐行执行，确保每行单独计算唯一值；
• c_across(C1:C4)：一次性选中目标列，n_distinct(na.rm = TRUE)计算每行非缺失值的不同数量，只要数量大于1，就说明该行存在差异；
• 最后ungroup()恢复数据框默认的列处理模式。

内容的提问来源于stack exchange，提问作者ginn