R语言对dataframe采样如何保证指定列col_list均无空值

你的原代码问题出在dplyr的非标准求值逻辑上：

• 你在filter(!is.na(name))中直接传入了循环变量name，这里的name是存储目标列名的字符串，dplyr不会自动将其解析为对应列，而是会默认去查找名为name的列：
  • 如果数据集没有name列，is.na(name)实际是判断字符串本身是否为NA，结果恒为FALSE，等于filter(TRUE)没有做任何过滤，直接从全量数据采样1行，就有概率抽到对应列是NA的行，最终导致汇总结果里该列全空。
  • 如果刚好有name列，会变成过滤name列非空的行，完全不符合你要过滤当前遍历列非空的需求。

你补充的写法是正确的，通过.data[[列名字符串]]的标准编程语法，明确告诉dplyr要取当前数据集里对应列名的列，保证过滤逻辑正确：

library(tidyverse)

col_list %>% 
  map_dfr(function(name){
    df %>% 
      filter(!is.na(.data[[name]])) %>%
      sample_n(1)
  }) %>% 
  select(all_of(col_list))

可选优化（降低采样行数） #

如果希望采样结果行数更少，避免每个列都采1行的冗余，可以采用以下逻辑：

1. 先过滤出col_list中至少有一个非NA值的行，采样少量基础行
2. 逐列检查基础采样结果里哪些列还没有非NA值，仅对缺失的列补采1条对应列非NA的行
   代码示例：

# 先采样n条基础行，n可根据列数调整，比如取col_list长度的1/2
sample_base <- df %>% 
  filter(if_any(all_of(col_list), ~!is.na(.x))) %>% 
  sample_n(size = ceiling(length(col_list)/2), replace = FALSE)

# 检查哪些列在基础采样中仍全为NA
missing_cols <- col_list[map_lgl(col_list, ~all(is.na(sample_base[[.x]])))]

# 对缺失的列补采
sample_supplement <- missing_cols %>% 
  map_dfr(function(name){
    df %>% 
      filter(!is.na(.data[[name]])) %>% 
      sample_n(1)
  })

# 合并得到最终采样结果
final_sample <- bind_rows(sample_base, sample_supplement) %>% 
  select(all_of(col_list))

内容的提问来源于stack exchange，提问作者Rob Creel