如何在R中删除dataframe里包含FALSE和NA值的行

针对大型数据框筛选Codes列为TRUE的需求，不同场景下的最优实现方法如下：

1. 超大数据量首选：data.table方案 #

data.table是R中处理大型数据集性能最高的工具，内存占用低、运算速度快，适合百万行及以上的数据集：

# 加载包
library(data.table)
# 将原数据框转换为data.table格式（读入数据时直接用fread()效率更高）
setDT(df)
# 直接筛选符合要求的行
result <- df[Codes %in% TRUE]

说明：使用%in% TRUE而非== TRUE是为了自动排除NA值，不需要额外添加!is.na(Codes)条件，写法更简洁高效。

2. 无第三方依赖首选：基础R方案 #

如果不想加载额外包，基础R的实现方式也足够高效，适合中小数据集或对环境依赖有要求的场景：

# 写法1：用which排除NA值
result <- df[which(df$Codes == TRUE), ]

# 写法2：用%in%简化逻辑
result <- df[df$Codes %in% TRUE, ]

3. 可读性优先首选：dplyr方案 #

如果更看重代码可读性，日常分析场景下用dplyr的过滤语法最易理解：

library(dplyr)
result <- df %>%
  filter(Codes %in% TRUE)

性能对比参考 #

数据量超过10万行时，data.table方案性能是基础R的2_{10倍，是dplyr的1.5}5倍，是大型数据集的最优选择；中小数据集下三种方案差异不大，可按使用习惯选择。

内容的提问来源于stack exchange，提问作者Muhammad