如何在R语言数据框中移除重复分组中含NA更多的行

没问题，这个数据清理需求很常见，我给你两种实用的解决方案，你可以根据自己的习惯选择：

方法一：用dplyr包（简洁易读） #

dplyr是R中处理数据框的常用工具，代码逻辑清晰，适合快速实现需求。

步骤： #

1. 先计算每行的NA数量（这是核心，用来判断哪行要保留）
2. 按Year和Country分组，筛选出每组中NA数量最少的行
3. 清理临时生成的NA计数列

# 先复制你的原始数据框
x <- data.frame("Year" = c(2017,2017,2017,2018,2018), 
                "Country" = c("Sweden", "Sweden", "Norway", "Denmark", "Finland"), 
                "Sales" = c(15, 15, 18, 13, 12), 
                "Campaigns" = c(3, NA, 4, 1, 1), 
                "Employees" = c(15, 15, 12, 8, 9), 
                "Satisfaction" = c(0.8, NA, 0.9, 0.95, 0.87), 
                "Expenses" = c(NA, NA, 9000, 7500, 4300))

# 如果还没装dplyr，先安装
# install.packages("dplyr")
library(dplyr)

# 1. 计算每行的NA数量
x$na_count <- rowSums(is.na(x))

# 2. 分组筛选+清理临时列
cleaned_x <- x %>%
  group_by(Year, Country) %>%  # 按年份和国家分组
  filter(na_count == min(na_count)) %>%  # 保留每组中NA最少的行
  ungroup() %>%  # 取消分组
  select(-na_count)  # 删除临时的NA计数列

# 查看结果
cleaned_x

运行后，2017年瑞典的两行里，只有NA数量为1的第一行会被保留，其他行都正常保留。

方法二：用Base R（无需额外安装包） #

如果你不想安装新包，用Base R也能实现同样的效果：

# 原始数据框同上
x <- data.frame("Year" = c(2017,2017,2017,2018,2018), 
                "Country" = c("Sweden", "Sweden", "Norway", "Denmark", "Finland"), 
                "Sales" = c(15, 15, 18, 13, 12), 
                "Campaigns" = c(3, NA, 4, 1, 1), 
                "Employees" = c(15, 15, 12, 8, 9), 
                "Satisfaction" = c(0.8, NA, 0.9, 0.95, 0.87), 
                "Expenses" = c(NA, NA, 9000, 7500, 4300))

# 1. 计算每行NA数量
x$na_count <- rowSums(is.na(x))

# 2. 找出每个(Year, Country)组的最小NA数量
min_na_per_group <- aggregate(na_count ~ Year + Country, data = x, FUN = min)

# 3. 合并数据并筛选符合条件的行
cleaned_x_base <- merge(x, min_na_per_group, by = c("Year", "Country")) %>%
  subset(na_count.x == na_count.y) %>%
  select(-na_count.x, -na_count.y)

# 查看结果
cleaned_x_base

补充说明： #

• 如果某个组里有多行NA数量相同且都是组内最少的（比如两行都只有1个NA），两种方法都会保留这些行。如果你需要进一步去重，可以在筛选后加上distinct(Year, Country, .keep_all = TRUE)（dplyr方法）或者其他去重逻辑。
• rowSums(is.na(x))是计算每行NA数量的高效方式，is.na(x)会把数据框转为布尔值矩阵，rowSums统计每行TRUE（即NA）的数量。

内容的提问来源于stack exchange，提问作者Friedi S.