R语言编写带and/or运算符的IF/else语句实现数据行筛选删除

过滤规则 #

本次处理聚焦Niu、PVC、Metal三列，行保留/删除规则如下：

• Niu列存在取值，且PVC、Metal列均为NA（无取值）：删除该行
• Niu列存在取值，且仅PVC列有值/仅Metal列有值：保留该行
• Niu、PVC、Metal三列均为NA：保留该行

核心需求：删除所有Niu列有值、但PVC和Metal列均无值的行

示例测试数据 #

structure(list(Seq = c(1L, 2L, 3L, 5L, 6L, 7L), Pag = c(NA_character_, 
NA_character_, NA_character_, NA_character_, NA_character_, NA_character_
), Nucli = structure(c(16L, NA, NA, 16L, NA, NA), .Label = c("2014", 
"2025", "2058", "2073", "2095/1003", "2106", "2140", "2162.7", 
"2195", "2195/3400", "2207.1/3254", "2207.4", "2318", "2329", 
"2407", "2419", "242.1", "2460", "2581", "2581.1", "2581.3", 
"2602", "2624", "2915", "3111", "3122", "3254", "3265", "3298", 
"3298.1", "3298.2", "3400", "3577", "401", "423", "424", "424.2", 
"613", "657", "691", "691.1", "691.2", "768", "78", "813", "813.2", 
"825", "825.2", "836", "836.1", "836.2", "863.1", "869", "869.1", 
"869.2", "981", "981.1", "981.3", "992", "BCN", "Desconegut", 
"P_BCN"), class = "factor"), Niu = structure(c(290L, NA, NA, 
298L, NA, NA), .Label = c("1", "10", "100", "101", "102", "102 verd", 
"103", "104", "105", "106", "107", "108", "109", "11", "110", 
"111", "1118", "112", "113", "114", "115", "116", "117", "118", 
"119", "12", "120", "121", "122", "122 verd", "123", "124", "125", 
"126", "127", "127 verde", "128", "129", "129 verd", "13", "130", 
"131", "132", "132 verd", "133", "134", "135", "136", "137", 
"138", "139", "14", "140", "141", "142", "143", "144", "145", 
"146", "147", "147 verde", "148", "149", "15", "150", "151", 
"152", "153", "154", "155", "156", "157", "158", "159", "159 verd", 
"16", "160", "161", "162", "163", "164", "165", "166", "167", 
"168", "169", "17", "170", "171", "172", "173", "174", "175", 
"176", "177", "178", "179", "18", "180", "181", "182", "183", 
"184", "185", "186", "187", "188", "189", "19", "190", "191", 
"192", "193", "194", "195", "2", "20", "200", "201", "202", "203", 
"204", "205", "205 verd", "206", "207", "208", "208 verd", "209", 
"21", "210", "212", "213", "214", "215", "216", "217", "218", 
"219", "22", "220", "221", "222", "223", "224", "225", "226", 
"227", "228", "229", "23", "230", "230 verde", "231", "232", 
"233", "234", "238", "239", "24", "244", "246", "248", "249", 
"25", "251", "252", "254", "255", "256", "258", "26", "261", 
"263", "264", "266", "267", "27", "271", "273", "276", "279", 
"28", "280", "287", "29", "29 verd", "291", "293", "294", "296", 
"299", "3", "30", "300 gris", "301 gris", "302 gris", "303 gris", 
"304 gris", "305 gris", "306 gris", "307 gris", "308 gris", "309", 
"31", "310 gris", "311 gris", "312", "314", "315 gris", "316 gris", 
"317 gris", "318", "32", "320 gris", "321", "322", "323", "324 gris", 
"325", "327 gris", "33", "331", "34", "343", "345", "35", "350", 
"354", "355", "357", "358", "36", "368", "37", "372", "38", "39", 
"4", "40", "41", "41 verde", "42", "429", "43", "430", "431", 
"433", "435", "436", "438", "439", "44", "440", "442", "444", 
"445", "45", "450", "455", "457", "46", "460", "464", "466", 
"47", "471", "475", "477", "48", "487", "489", "49", "5", "50", 
"500", "51", "52", "53", "54", "55", "56", "57", "58", "59", 
"6", "60", "61", "62", "63", "64", "65", "66", "67", "68", "69", 
"7", "7 vermell", "70", "71", "72", "72 verde", "73", "74", "75", 
"75 verd", "76", "77", "78", "781", "79", "8", "80", "81", "82", 
"83", "84", "85", "86", "87", "88", "89", "9", "90", "91", "92", 
"927", "93", "94", "941", "95", "96", "97", "98", "99", "A66", 
"NO_1", "NO_2", "NO_3", "NO_4", "V100", "V102", "V107", "V112", 
"V124", "V126", "V128", "V131", "V132", "V136", "V138", "V139", 
"V62", "V67", "V70", "V79", "V80", "V82", "V87", "V89", "V93", 
"V94", "V95", "V96"), class = "factor"), PVC = c("AMN1", NA, 
NA, "AV52", NA, NA), Metal = c(NA, NA, NA, "6168133", NA, NA), 
    Any.anellament.com.poll = c("2003", NA, NA, "2006", NA, NA
    ), DATA.D.ECLOSIO = c(NA_character_, NA_character_, NA_character_, 
    NA_character_, NA_character_, NA_character_), DATA.DE.POSTA = c(NA_character_, 
    NA_character_, NA_character_, NA_character_, NA_character_, 
    NA_character_), ordre_ou = structure(c(8L, 8L, 8L, 8L, 8L, 
    8L), .Label = c("0", "1", "10", "2", "3", "4", "5", "9", 
    "a", "A", "b", "B", "c", "C"), class = "factor"), length = c(6236, 
    6396, 6116, 6162, 5992, 6307), width = c(4463, 4364, 4296, 
    4103, 4337, 4147), Year = structure(c(1L, 1L, 1L, 1L, 1L, 
    1L), .Label = c("2012", "2013", "2014", "2015", "2016", "2017", 
    "2018"), class = "factor")), row.names = c(NA, 6L), class = "data.frame")

实现代码 #

基础R原生写法 #

无需加载额外包，直接通过逻辑向量取反排除待删除行即可：

# 替换df为你实际的数据框对象名
df_clean <- df[!(!is.na(df$Niu) & is.na(df$PVC) & is.na(df$Metal)), ]

dplyr包写法 #

如果使用tidyverse工作流，写法可读性更强：

library(dplyr)
df_clean <- df %>%
  # 排除Niu非空、同时PVC和Metal都为空的行
  filter(!(!is.na(Niu) & is.na(PVC) & is.na(Metal)))

效果验证 #

针对提供的示例数据测试：

• Seq=1行：Niu非空，PVC非空、Metal为空，符合保留规则
• Seq=5行：Niu非空，PVC非空、Metal非空，符合保留规则
• 其余4行：三列均为NA，符合保留规则
  示例数据中无符合删除条件的行，过滤后行数与原数据一致；实际数据中满足「Niu有值、PVC和Metal均无值」的行会被自动剔除。

内容的提问来源于stack exchange，提问作者Cassidy