在R语言中删除dataframe内前缀为age_且全为NA的列

当然有办法！不管你的age_*列有多少个（哪怕到age_100），都可以用简洁的代码实现需求。下面分R和Python两种最常用的数据分析场景给出具体方案：

R 语言（dplyr/base R 两种写法） #

方法1：用dplyr管道流（推荐，代码更直观） #

如果你习惯用dplyr的语法，可以结合select()、starts_with()和where()来精准筛选并删除目标列：

library(dplyr)

x <- x %>%
  select(-where(~ all(is.na(.)) & starts_with(cur_column(), "age_")))

或者更简洁的写法，先保留不全为NA的age前缀列，再保留其他列：

x <- x %>%
  select(starts_with("age_") & !where(~ all(is.na(.))), everything())

方法2：Base R 写法 #

如果不想加载dplyr，用基础R也能轻松实现：

# 先找出符合条件的列名
cols_to_drop <- names(x)[startsWith(names(x), "age_") & sapply(x, function(col) all(is.na(col)))]
# 删除这些列
x <- x[, !names(x) %in% cols_to_drop]

Python 语言（Pandas） #

Pandas处理这类列筛选非常高效，两步就能搞定：

import pandas as pd

# 第一步：找出所有前缀为'age_'且全为NA的列
cols_to_drop = x.columns[x.columns.str.startswith('age_') & x.isna().all()]
# 第二步：删除这些列
x = x.drop(cols_to_drop, axis=1)

或者用一行代码简化操作：

x = x.loc[:, ~(x.columns.str.startswith('age_') & x.isna().all())]

核心逻辑说明 #

两种语言的实现思路完全一致：

1. 先筛选出所有列名以age_开头的列
2. 检查这些列中所有值都是NA的列
3. 从原数据框中移除这些目标列

这样不管你的age_*列有多少个，代码都能自动识别并处理，完全不用手动逐个列出来~

内容的提问来源于stack exchange，提问作者imprela