在R中用apply函数多条件一步实现行列筛选（排除全NA列与全0行）

嘿，我来帮你解决这个一步完成筛选的问题！你之前用|没效果是因为这两个筛选是针对不同维度的（列和行），不是同一行的“或”条件，所以不能直接用逻辑或连接～下面给你两种简单的实现方法，不管是用基础R还是tidyverse工具都能一步搞定：

方法一：用tidyverse（dplyr）实现（更直观易读） #

如果你熟悉dplyr的管道语法，这个方法非常清晰：

library(dplyr)

# 一步完成：先删全NA列，再留非全0行
df_cleaned <- df %>%
  # 筛选掉全为NA的列：选择那些不是所有值都是NA的列
  select(where(~!all(is.na(.x)))) %>%
  # 保留非全0的行：只要行里存在非0值（忽略NA）就保留
  filter(rowSums(. != 0, na.rm = TRUE) > 0)

代码解释： #

• select(where(~!all(is.na(.x))))：对每一列判断是否全是NA，取反后保留符合条件的列；
• rowSums(. != 0, na.rm = TRUE) > 0：计算每行中非0值的数量（na.rm=TRUE忽略NA的影响），只要数量大于0，说明这行不是全0，就保留。

方法二：基础R实现（无需额外包） #

如果不想加载包，用基础R的apply函数也能搞定：

# 1. 先确定要保留的列：排除全NA的列
keep_cols <- !apply(df, 2, function(col) all(is.na(col)))
# 2. 一步筛选列和行：先选列，再选非全0的行
df_cleaned <- df[keep_cols, ][apply(df[keep_cols, ], 1, function(row) any(row != 0, na.rm = TRUE)), ]

代码解释： #

• apply(df, 2, function(col) all(is.na(col)))：遍历每一列，判断是否全为NA，取反后得到要保留的列索引；
• apply(..., 1, function(row) any(row != 0, na.rm = TRUE))：遍历每一行，判断是否存在非0值（忽略NA），返回TRUE的行就保留。

测试示例 #

给你一个测试数据框，可以直接跑代码验证效果：

# 测试数据：包含全NA列、全0行、混合行
df <- data.frame(
  col1 = c(0, 0, 5, NA),
  col2 = c(NA, NA, NA, NA),  # 这个列会被删掉
  col3 = c(0, 3, 0, NA),
  col4 = c(NA, 0, 0, 0)
)

# 运行上面的代码后，df_cleaned会是：
#   col1 col3 col4
# 3    5    0    0
# 2    0    3    0

这样就一步完成了你要的两个筛选操作～

内容的提问来源于stack exchange，提问作者KVininska