R语言如何删除数据框中Code.3列为空值的整行数据

你之前写的两段代码无法运行，核心是几个基础语法和逻辑错误：

• dplyr版本的错误：R中没有名为missing的内置对象用来标识空值，判断空值需要使用专门的is.na()函数，直接和不存在的对象做相等判断必然报错。
• for循环版本的错误更多：
  • 条件判断里错把赋值符=当相等判断符==用
  • is_empty()函数用来判断长度为0的R对象，不能用来判断数据框单元格的空值
  • 循环遍历行号同时删除行的逻辑有缺陷：删除第i行后，后续所有行的索引都会前移1位，按固定的1:319序列遍历必然出现漏判、索引越界的问题
  • 最后append的逻辑完全错误，反复将列表嵌套进自身无法得到规整的数据框结果

不需要写复杂循环，直接用现成函数一行就能搞定，优先推荐你最开始想用的dplyr方案：

dplyr 实现 #

如果你的空单元格在R中被正确识别为NA（R默认的空值类型），直接用drop_na()指定要删除空值的列即可：

library(dplyr)
df_cleaned <- df %>%
  drop_na(Code.3)

如果读入数据时没有做空值转换，空单元格被识别成了空字符串""，就用filter加判断条件即可，如果你还需要把示例里的***这类无效值也一并删掉，可以追加对应判断：

library(dplyr)
df_cleaned <- df %>%
  filter(
    !is.na(Code.3), # 排除NA空值
    Code.3 != "", # 排除空字符串
    Code.3 != "***" # 不需要删***就删掉这行
  )

基础R实现（无需加载额外包） #

如果不想用dplyr，直接用基础R的索引逻辑也能实现：

# 仅删除NA类型空值
df_cleaned <- df[!is.na(df$Code.3), ]

# 同时删除NA、空字符串、***
df_cleaned <- df[!is.na(df$Code.3) & df$Code.3 != "" & df$Code.3 != "***", ]

小提示：如果是读入数据阶段就想自动把空字符串、***这类值转成NA，可以在读入函数（比如read.csv、read_excel）里设置na.strings = c("", "***")参数，后续清理数据会更方便。

内容的提问来源于stack exchange，提问作者user19304348