R语言：如何选择非NA列及包含特定值'...'的列

一、筛选包含特定值'...'的列 #

不用指定列名，全局检查每一列是否存在值为'...'的单元格，保留这些列的方法如下：

基础R实现 #

# 筛选至少包含一个'...'的列
cols_with_dots <- df[, colSums(df == '...', na.rm = TRUE) > 0]

• 逻辑：colSums(df == '...', na.rm = TRUE)计算每一列中等于'...'的单元格数量，>0判断该列是否存在目标值，最终用这个逻辑向量筛选列。

tidyverse（dplyr）实现 #

library(dplyr)

cols_with_dots <- df %>% 
  select(where(~ any(.x == '...', na.rm = TRUE)))

• 逻辑：where()函数对每一列应用判断，any(.x == '...', na.rm = TRUE)检查列中是否存在至少一个'...'。

二、选择非NA相关的列 #

分两种常见场景处理：

1. 保留完全没有NA的列（列中所有值均非缺失） #

基础R实现

cols_no_na <- df[, colSums(is.na(df)) == 0]

• 逻辑：colSums(is.na(df))统计每列的NA数量，==0筛选出无缺失值的列。

tidyverse（dplyr）实现

library(dplyr)

cols_no_na <- df %>% 
  select(where(~ !any(is.na(.x))))

2. 排除全NA的列（保留至少有一个非NA值的列） #

基础R实现

cols_not_all_na <- df[, colSums(!is.na(df)) > 0]

• 逻辑：colSums(!is.na(df))统计每列的非NA数量，>0筛选出至少有一个有效值的列。

tidyverse（dplyr）实现

library(dplyr)

cols_not_all_na <- df %>% 
  select(where(~ any(!is.na(.x))))

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