R语言按各测量组最低应答数筛选数据框子集的方法咨询

核心判断逻辑 #

筛选以单个受试者+单个测试阶段为独立判断单元，仅保留同时满足以下两个条件的单元对应数据行：

• 单元内Measure 1模块的3道题目中，至少1道为非NA的有效作答
• 单元内Measure 2模块的3道题目中，至少1道为非NA的有效作答
  不符合条件的行直接剔除，对应给出的示例，剔除后共保留12行有效数据。

方法1：dplyr实现（推荐，适配大型数据集） #

library(dplyr)

df_clean <- df %>%
  group_by(tester_ID, Phase) %>%
  filter(
    # 统计当前分组下Measure1的有效作答总数
    sum(!is.na(c_across(contains("Measure1")))) >= 1,
    # 统计当前分组下Measure2的有效作答总数
    sum(!is.na(c_across(contains("Measure2")))) >= 1
  ) %>%
  ungroup()

运行后会自动剔除两类无效行：Phase1阶段的A2（Measure2题目全为NA）、Phase2阶段的A6（Measure1题目全为NA），最终得到12行有效数据。

方法2：Base R实现（无需加载第三方包） #

# 识别Measure1、Measure2对应的列位置
m1_cols <- grep("Measure1", colnames(df))
m2_cols <- grep("Measure2", colnames(df))

# 按受试者+阶段分组标记保留行
keep <- ave(
  rowSums(!is.na(df[, m1_cols])) >= 1 & rowSums(!is.na(df[, m2_cols])) >= 1,
  list(df$tester_ID, df$Phase),
  FUN = all
)

df_clean_base <- df[as.logical(keep), ]

结果校验 #

执行代码后可通过以下命令核对输出行数，确认筛选逻辑正确：

nrow(df_clean)
# 返回结果：[1] 12

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