R语言：删除Col1与Col2值重复的行（将NA视为独立值）

问题根源 #

直接使用Col1 != Col2会因为NA的存在返回NA，而R在筛选时会把NA视为FALSE，导致含NA的行被误删。我们需要仅剔除Col1和Col2均非NA且值完全相等的行，其余情况（任意一列是NA、或两列非NA但不等）全部保留。

基础R实现 #

testdf <- structure(list(POS = c(37, 44, 50, 83), Col1 = c("A", "C", NA, 
"G"), Col2 = c("A", NA, "T", "C")), class = "data.frame", row.names = c(NA, 
-4L))

# 筛选逻辑：排除"两列都非NA且相等"的行
filtered_df <- testdf[!(testdf$Col1 == testdf$Col2 & !is.na(testdf$Col1) & !is.na(testdf$Col2)), ]
filtered_df

输出结果：

POS Col1 Col2
2  44    C <NA>
3  50 <NA>    T
4  83    G    C

dplyr实现 #

无需rowwise，直接用向量级别的逻辑判断即可：

library(dplyr)

testdf %>%
  filter(!(Col1 == Col2 & !is.na(Col1) & !is.na(Col2)))

或者等价的直观逻辑表述：

testdf %>%
  filter(Col1 != Col2 | is.na(Col1) | is.na(Col2))

两种写法都会得到目标结果。

内容的提问来源于stack exchange，提问作者CoDa