在R语言中移除行内NA值但保留整行的实现方法

针对Qualtrics决策流程生成的、每行含大量NA（因选项未展示给参与者）但存在有效回答的数据集，以下是几种无需删除整行即可处理NA值的实用策略：

1. 宽表转长表，仅保留有效回答 #

这种方法不会丢失任何有效记录，同时能清晰呈现每个参与者的选择，适合后续统计分析：

import pandas as pd

# 模拟Qualtrics格式的数据集（含参与者ID和各选项列）
sample_data = {
    'participant_id': [101, 102, 103],
    'opt_1': ['同意', pd.NA, pd.NA],
    'opt_2': [pd.NA, '不同意', pd.NA],
    'opt_3': [pd.NA, pd.NA, '中立']
}
df = pd.DataFrame(sample_data)

# 转换为长表，过滤掉NA的响应
long_format_df = df.melt(
    id_vars='participant_id',  # 保留参与者唯一标识
    var_name='presented_option',
    value_name='response'
).dropna(subset=['response'])

转换后，每个有效回答单独成一行，所有参与者的记录都被保留（只要有至少一个有效回答）。

2. 用明确标识填充NA值（保持宽表结构） #

如果需要维持原有的宽表格式，可将NA替换为特定标识（比如“未展示”），既保留整行，又能区分“选项未展示”和“真实缺失值”：

# 仅对选项列进行填充，保留参与者ID列不变
question_columns = df.columns.drop('participant_id')
df[question_columns] = df[question_columns].fillna('未展示')

这种方式适合需要按原列进行后续分析的场景，不会改变表的整体结构。

3. 提取每行有效值到新列（压缩有效信息） #

若想在保留整行的同时，快速查看每个参与者的所有有效回答，可将每行的非NA值合并到新列中：

# 将有效回答合并为列表
df['all_valid_responses'] = df.drop('participant_id', axis=1).apply(
    lambda row: row.dropna().tolist(),
    axis=1
)

# 或合并为逗号分隔的字符串
df['valid_responses_str'] = df.drop('participant_id', axis=1).apply(
    lambda row: ', '.join(row.dropna().astype(str)),
    axis=1
)

处理后，原行结构完整保留，新增列集中展示了每个参与者的有效选择。

内容的提问来源于stack exchange，提问作者mpyrk