如何用tidyverse优雅批量提取数值列非0对应的分类向量？

我有一个包含1个分类列和多个数值列的大型数据框，示例数据如下：

big_df <- data.frame(category = LETTERS[1:10]
                     ,Q_COL1 = c(0,1,0,2,0,0,17,0,12,19)
                     ,Q_COL2 = c(0,2,3,0,1,12,0,1,0,12)
                     )

数据结构：

category Q_COL1 Q_COL2
1         A      0      0
2         B      1      2
3         C      0      3
4         D      2      0
5         E      0      1
6         F      0     12
7         G     17      0
8         H      0      1
9         I     12      0
10        J     19     12

需要为每个数值列生成对应的字符向量，保留数值大于0的category值，手动实现的示例代码如下：

col1_char <- big_df %>% 
  select(category, Q_COL1) %>% 
  filter(Q_COL1 > 0) %>% 
  select(category) %>% 
  deframe()

col2_char <- big_df %>% 
  select(category, Q_COL2) %>% 
  filter(Q_COL2 > 0) %>% 
  select(category) %>% 
  deframe()

输出结果：

> col1_char
[1] "B" "D" "G" "I" "J"
> col2_char
[1] "B" "C" "E" "F" "H" "J"

希望用更简洁的tidyverse方法批量处理，最终可输出填充NA的DataFrame或列表。

方法1：生成列表（推荐，保留原始向量长度） #

通过宽转长、过滤、分组嵌套的方式批量生成目标向量，最终存储为列表：

library(tidyverse)

result_list <- big_df %>%
  pivot_longer(cols = starts_with("Q_COL"), names_to = "col_name", values_to = "value") %>%
  filter(value > 0) %>%
  group_by(col_name) %>%
  nest() %>%
  mutate(data = map(data, ~ deframe(.x))) %>%
  deframe()

查看结果：

> result_list$Q_COL1
[1] "B" "D" "G" "I" "J"
> result_list$Q_COL2
[1] "B" "C" "E" "F" "H" "J"

方法2：生成带NA填充的DataFrame #

先转长表过滤有效数据，为每个分组添加行号后转回宽表，自动用NA填充长度不足的位置：

result_df <- big_df %>%
  pivot_longer(cols = starts_with("Q_COL"), names_to = "col_name", values_to = "value") %>%
  filter(value > 0) %>%
  group_by(col_name) %>%
  mutate(row_id = row_number()) %>%
  pivot_wider(names_from = col_name, values_from = category) %>%
  select(-row_id)

输出结果：

> result_df
# A tibble: 6 × 2
  Q_COL1 Q_COL2
  <chr>  <chr> 
1 B      B     
2 D      C     
3 G      E     
4 I      F     
5 J      H     
6 NA     J     

内容的提问来源于stack exchange，提问作者Wera