首先，先确认你的数据和可运行的R代码（我修正了原代码里的分隔符问题，确保能正确读取数据）：

# 正确读取数据的R代码
df <- read.table(text = "Index_name X1 X2 X3 X4 X5 Y1 Y2 Y3 Y4 Y5
Ind_1 7 NA NA NA NA 1 4 6 8 6
Ind_2 2 NA 16 NA NA 5 16 12 3 4
Ind_3 NA NA NA 19 92 13 NA 12 NA NA
Ind_4 32 5 12 3 5 NA NA NA NA 4
Ind_5 44 3 46 3 47 3 2 NA 3 4
Ind_6 NA 34 NA 8 NA 14 15 12 3 4
Ind_7 49 55 67 49 89 6 17 2 3 4
Ind_8 NA NA 49 NA NA 11 20 6 NA 4
Ind_9 1 1 5 NA 9 NA NA NA NA NA", 
                 row.names = 1, header = TRUE, stringsAsFactors = FALSE)

接下来，我们需要过滤掉X开头列（X1-X5）非NA值少于2个，或者Y开头列（Y1-Y5）非NA值少于2个的行。这里提供两种常用的实现方式：

方法1：使用dplyr包（直观易读） #

如果你习惯用tidyverse风格的代码，可以这样写：

library(dplyr)

# 过滤符合条件的行
filtered_df <- df %>%
  # 计算每行X列、Y列的非NA数量
  mutate(
    x_non_na = rowSums(!is.na(select(., starts_with("X")))),
    y_non_na = rowSums(!is.na(select(., starts_with("Y"))))
  ) %>%
  # 保留同时满足X/Y列非NA≥2的行
  filter(x_non_na >= 2 & y_non_na >= 2) %>%
  # 移除临时计算的辅助列（可选操作）
  select(-x_non_na, -y_non_na)

# 查看最终结果
filtered_df

运行后会得到你需要保留的行：Ind_2、Ind_3、Ind_5、Ind_6、Ind_7，和你给出的示例要求完全匹配。

方法2：使用Base R（无需额外安装包） #

如果不想加载外部包，用原生R代码也能实现相同逻辑：

# 获取X列和Y列的索引
x_cols <- grep("^X", colnames(df))
y_cols <- grep("^Y", colnames(df))

# 计算每行的非NA值数量
x_non_na <- rowSums(!is.na(df[, x_cols]))
y_non_na <- rowSums(!is.na(df[, y_cols]))

# 筛选符合要求的行
filtered_df <- df[x_non_na >= 2 & y_non_na >= 2, ]

# 查看最终结果
filtered_df

这个版本和dplyr版本的核心逻辑一致，只是用了base R的语法，结果完全相同。

核心逻辑解释 #

• !is.na()：把数据框中的非NA值转为TRUE（对应数值1），NA值转为FALSE（对应数值0）
• rowSums()：对每行的转换结果求和，得到的就是该行的非NA值总数
• 最后通过x_non_na >= 2 & y_non_na >= 2的逻辑条件，筛选出同时满足两个要求的行

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