R语言Dataframe子集化：剔除某国家所有分组下全缺失的变量列

现有如下DataFrame：

需要对其进行子集化操作：剔除任意一个国家的所有sector分组下均为缺失值的列。本例中data2列在法国的所有sector分组下全为缺失（用"."表示），因此需整列剔除，最终输出如下：

步骤说明： #

1. 将数据中的缺失标记（"."）替换为Pandas可识别的pd.NA；
2. 按country分组，检查每个数据列在各分组内是否全部缺失；
3. 筛选出存在至少一个国家全缺失的列；
4. 从原DataFrame中剔除这些列。

代码实现： #

import pandas as pd

# 构造原始DataFrame
data = {
    'country': ['France', 'France', 'belgium', 'belgium'],
    'sector': [1, 2, 1, 2],
    'data1': [7, 10, 12, 14],
    'data2': ['.', '.', 7, 8]
}
df = pd.DataFrame(data)

# 替换缺失标记为pd.NA
df.replace('.', pd.NA, inplace=True)

# 按country分组，检查各数据列是否在分组内全缺失
group_missing = df.groupby('country').apply(lambda x: x.drop(['country', 'sector'], axis=1).isna().all())

# 找出需要删除的列：至少一个国家全缺失的列
cols_to_drop = group_missing.any()[group_missing.any()].index.tolist()

# 剔除目标列
df_cleaned = df.drop(cols_to_drop, axis=1)

# 查看结果
print(df_cleaned)

运行结果： #

country  sector  data1
0   France       1      7
1   France       2     10
2  belgium       1     12
3  belgium       2     14

内容的提问来源于stack exchange，提问作者StephenB