删除除一列之外的所有列都具有 NA 值的行？

Question

我有一个包含三列的日期框，其中一列有一个参与者 ID 变量，没有 NA 值，另外两个（目标变量）有一些分散在各处。 我正在尝试使用此处解释的解决方案（ 删除除 2 列之外的所有列都是 NA的行）来删除两个目标变量都具有 NA 的行，但由于某种原因，我的实现似乎不加选择地删除了所有 NA。

这是未处理的 df 的示例：

ID	一个	b
1	抗体	不适用
1	不适用	抗体
1	不适用	不适用

这是我希望处理后的 df 的样子：

ID	一个	b
1	抗体	不适用
1	不适用	抗体

这是我用来尝试完成此操作的代码：

na_rows = df %>% 
  select(-"ID") %>% 
  is.na() %>% 
  rowSums() > 0

processeddf <- df %>% 
  filter(!na_rows)

但是，此代码返回一个 df ，它完全删除了任何包含 NA 的行。 所以对于上面的示例，它将返回一个空的 df。 我在哪里错了？ 我无法弄清楚我的逻辑错误发生在哪里。

Answer 1

我们可以在filter中使用if_all - select if_all 中的 a 到 b 列，应用if_all （检查 NA），如果 a 和 b 都具有 NA，则is.na对于一行将为 TRUE，取反（ ! ）转换为 TRUE -> FALSE 和 FALSE->TRUE

library(dplyr)
df %>%
   filter(!if_all(a:b, is.na))

-输出

ID    a    b
1  1   ab <NA>
2  1 <NA>   ab

---

或者，我们可以将complete.cases与if_any一起使用，而不是否定 ( ! )

df %>% 
  filter(if_any(a:b, complete.cases))
  ID    a    b
1  1   ab <NA>
2  1 <NA>   ab

---

关于 OP 代码中的问题，逻辑是通过查看是否存在至少一个 NA ( > 0 ) 来创建的，这对于所有行都是正确的。 相反，它应该都是 NA 然后取反

na_rows <- df %>% 
  select(-"ID") %>% 
  is.na() %>% 
  {rowSums(.) == ncol(.)}

数据

df <- structure(list(ID = c(1L, 1L, 1L), a = c("ab", NA, NA), b = c(NA, 
"ab", NA)), class = "data.frame", row.names = c(NA, -3L))

Answer 2

另外还有一个 data.table 解决方案（感谢 akrun 提供的数据）。

library(data.table)
dt= data.table(structure(list(ID = c(1L, 1L, 1L), a = c("ab", NA, NA), 
                     b = c(NA, "ab", NA)), class = "data.frame", row.names = c(NA, -3L)))

dt[!(is.na(a) & is.na(b))]

Output：

   ID    a    b
1:  1   ab <NA>
2:  1 <NA>   ab