如何在R语言中筛选多列含Y的行并排除仅单列为Y的行

需求说明 #

保留数据中**指定多列里至少有2个"Y"**的行，排除仅单一列含"Y"的行。

示例原始数据 #

先构造符合需求的示例数据：

df <- data.frame(
  ID = 1:5,
  ColA = c("Y", "N", "Y", "Y", "N"),
  ColB = c("N", "Y", "Y", "N", "Y"),
  ColC = c("Y", "N", "N", "Y", "N"),
  OtherCol = c("X", "X", "X", "X", "X")
)

原始数据输出：

ID ColA ColB ColC OtherCol
1  1    Y    N    Y        X
2  2    N    Y    N        X
3  3    Y    Y    N        X
4  4    Y    N    Y        X
5  5    N    Y    N        X

解决方案 #

方法1：Base R 实现

无需额外包，直接用行求和筛选：

# 定义需要检查的目标列
target_cols <- c("ColA", "ColB", "ColC")

# 计算每行目标列中"Y"的数量，筛选数量≥2的行
filtered_df <- df[rowSums(df[target_cols] == "Y") >= 2, ]

方法2：dplyr 实现

适合习惯tidyverse风格的用户：

library(dplyr)

filtered_df <- df %>%
  rowwise() %>%
  # 统计每行目标列中"Y"的数量
  mutate(y_count = sum(c_across(all_of(target_cols)) == "Y")) %>%
  # 保留数量≥2的行
  filter(y_count >= 2) %>%
  # 移除临时计数列
  select(-y_count)

期望输出结果 #

运行上述代码后，得到的筛选结果：

ID ColA ColB ColC OtherCol
1  1    Y    N    Y        X
2  3    Y    Y    N        X
3  4    Y    N    Y        X

注意事项 #

如果数据中存在NA值，需要在求和时忽略NA，避免结果出错：

• Base R：rowSums(df[target_cols] == "Y", na.rm = TRUE) >= 2
• dplyr：sum(c_across(all_of(target_cols)) == "Y", na.rm = TRUE)

内容的提问来源于stack exchange，提问作者rossio