dplyr条件选择中波浪号(~)的作用及无左值时的工作原理

原始数据集：

#>   data_name col_a  col_b
#>   <chr>      <int> <int>
#> 1 data_a     30    NA
#> 2 data_b     20    75
#> 3 sum        50    NA

为筛选不含NA值的列，使用了以下dplyr代码：

data_without_na <- raw_data %>% select_if(~ !any(is.na(.)))
data_without_na

得到预期输出：

#>   data_name col_a
#>   <chr>      <int>
#> 1 data_a     30    
#> 2 data_b     20    
#> 3 sum        50  

现有理解：

• R中波浪号(~)通常用于分隔等式左右侧
• !表示取反
• any(is.na(.))用于判断每列是否存在NA值，返回布尔值

困惑点：为什么这个条件开头需要加波浪号(~)，尤其是没有左侧变量的情况下，它是如何工作的？

在tidyverse系列包（比如dplyr）的函数里，这里的~是简化匿名函数（lambda函数）的语法糖，和你熟悉的公式（比如线性模型lm(y~x)）用法完全不同。

具体到select_if()的执行逻辑：

• select_if()会遍历数据框的每一列，把当前列作为输入参数传入判断逻辑
• ~的作用是告诉dplyr：后面跟着的表达式是一个要作用于每一列的函数
• 表达式里的.代表当前正在被处理的那列数据

你写的~ !any(is.na(.))，完全等价于完整的匿名函数写法：

function(x) { !any(is.na(x)) }

之所以不用写左侧变量，是因为select_if()已经默认将每一列作为输入参数传递给这个匿名函数了，~帮你省略了function(x)的声明，让代码更简洁紧凑。

总结一下：这里的~就是tidyverse为这类逐元素处理的场景设计的简化语法，用来快速定义一个临时的小函数。

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