修正R语言嵌套数据集因子处理函数：排除NA统计水平并删除单水平因子

要解决这个问题，核心是在统计因子水平时主动排除NA值，只计算非缺失的有效水平数量。下面是具体的修复方案：

1. 问题根源分析 #

原函数的问题在于统计因子唯一水平时，把NA当作了一个独立的有效水平。比如在A=Y的分组中，B列的非NA值只有"A"，但原函数会把NA也算作一个水平，误判为有2个水平，因此不会删除该变量。

2. 修复后的函数 #

我们修改函数逻辑：先过滤掉NA值，再统计剩余的唯一水平数量，只有当数量大于1时才保留该变量。

library(dplyr)
library(purrr)
library(tibble)

drop_fixed_factors <- function(data) {
  # 可选：自动将字符列转为因子（适配字符型变量的场景）
  data <- data %>% 
    mutate(across(where(is.character), as.factor))
  
  # 筛选规则：仅保留排除NA后非唯一水平数>1的因子变量
  data %>% 
    select(where(function(col) {
      if (!is.factor(col)) return(TRUE)  # 非因子变量默认保留，可按需调整
      
      # 提取非NA的因子值，统计唯一数量
      non_na_vals <- col[!is.na(col)]
      length(unique(non_na_vals)) > 1
    }))
}

3. 测试示例数据 #

先构建并嵌套你提供的示例数据集：

# 补全后的示例数据集
df <- tribble(
  ~A, ~B,
  "X", "A",
  "X", "B",
  "Y", "A",
  "Y", NA_character_,
  "Z", "A",
  "Z", "B",
  "Z", "C"
)

# 按A分组嵌套
nested_df <- df %>% 
  group_by(A) %>% 
  nest()

应用修复后的函数：

# 处理嵌套数据
cleaned_nested <- nested_df %>% 
  mutate(data = map(data, drop_fixed_factors))

# 查看结果：A=Y的分组中B列被成功删除
cleaned_nested$data[[2]]
#> # A tibble: 2 × 0

4. 关键细节说明 #

• 自动转字符为因子：如果你的原始数据是字符型而非因子型，函数会自动转换确保逻辑统一；不需要的话可以删掉mutate(across(...))部分。
• 非因子变量处理：函数默认保留非因子变量，若想只保留符合条件的因子变量，可修改为if (!is.factor(col)) return(FALSE)。
• 严格排除NA：通过col[!is.na(col)]直接过滤缺失值，彻底避免NA干扰水平计数。

内容的提问来源于stack exchange，提问作者Geet