R语言函数内删除数据框因子水平及过滤无效数据问题求解

split_frames<- function(OG_DF, factorVAR1, factorVAR2, VAR, frame_name){
  # 按factorVAR1拆分原始数据框
  splitted <- split(OG_DF, as.factor(OG_DF[,factorVAR1]))
  new_names <- paste0(levels(as.factor(OG_DF[,factorVAR1])), frame_name)
  
  for (i in seq_along(splitted)) { 
    # 移除度量变量VAR为NA的行
    splitted[[i]] <- splitted[[i]][!is.na(splitted[[i]][,VAR]), ]
    # 统计当前子框中factorVAR2各水平的观测数
    fct_count <- table(droplevels(as.factor(splitted[[i]][,factorVAR2])))
    # 筛选出观测数>3的水平，作为要保留的水平
    fct_keep <- names(fct_count)[fct_count > 3]
    
    # 没有符合保留条件的水平，直接标记为无效
    if (length(fct_keep) == 0) {
      splitted[[i]] <- NA
    } else {
      # 仅保留指定水平的行，清理冗余因子
      splitted[[i]] <- droplevels(splitted[[i]][splitted[[i]][,factorVAR2] %in% fct_keep, ])
      # 统计剩余的factorVAR2水平数
      N_levels <- nlevels(as.factor(splitted[[i]][,factorVAR2]))
      
      # 剩余水平不足2个，标记为无效
      if (N_levels < 2) {
        warning("The data frame ", new_names[i], " is excluded from further analysis \n 
              because it does not contain all factor levels needed.\n")
        splitted[[i]] <- NA
      } else {
        # 符合条件的写入全局环境
        assign(new_names[i], splitted[[i]], envir = .GlobalEnv)
        message("Analysis ready for: ", new_names[i])
      }
    }
  }
  # 过滤掉列表中无效的NA项，返回有效数据框列表
  splitted <- Filter(Negate(is.na), splitted)
  return(invisible(splitted))
}

• 修复无符合条件水平时的异常：新增length(fct_keep) == 0的前置判断，避免空向量匹配导致全部行被误删的问题
• 修正筛选逻辑：弃用易出问题的-which()写法，直接用%in%匹配保留水平，规避空返回时删除全部行的bug
• 修正水平数统计逻辑：原代码错误统计了拆分依据factorVAR1的水平数（拆分后每个子框的factorVAR1天然只有1个水平，会导致所有子框都被误判为无效），改为统计factorVAR2的剩余水平数
• 优化冗余水平清理：统一在筛选完成后调用droplevels()，避免重复调用导致的逻辑混乱
• 新增返回值：函数最后会返回过滤后的有效数据框列表，方便后续链式调用

内容的提问来源于stack exchange，提问作者Nadiine El Nino