如何在R中批量移除多个DataFrame的全NA列

方法一：Base R 原生实现 #

无需额外安装包，直接用基础R代码即可完成批量处理：

1. 先筛选出当前工作环境中所有的DataFrame对象名称：

# 获取所有DataFrame的名称
df_names <- ls()[sapply(mget(ls()), is.data.frame)]

2. 循环遍历每个DataFrame，移除全为NA的列并覆盖原对象：

for (name in df_names) {
  # 获取当前DataFrame
  current_df <- get(name)
  # 计算每列的NA数量，筛选出非全NA的列
  non_na_cols <- colSums(is.na(current_df)) != nrow(current_df)
  # 保留有效列并赋值回原名称
  assign(name, current_df[, non_na_cols])
}

方法二：使用purrr包简化操作 #

如果习惯使用tidyverse生态，用purrr的批量处理函数可以让代码更简洁：

1. 先加载purrr包（如果未安装需先执行install.packages("purrr")）：

library(purrr)

2. 批量清理并将结果放回全局环境：

# 获取所有DataFrame并批量清理
cleaned_dfs <- map(mget(df_names), function(df) {
  df[, colSums(is.na(df)) != nrow(df)]
})
# 将清理后的DataFrame重新赋值为原名称的全局对象
list2env(cleaned_dfs, envir = .GlobalEnv)

验证效果 #

执行完上述代码后，查看示例中的DataFrame：

str(df1)
str(df2)
str(df3)

可以看到df1的a列、df2的d列、df3的h列已被移除，其余列和原DataFrame名称均保留。

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