刪除除一列之外的所有列都具有 NA 值的行？

Question

我有一個包含三列的日期框，其中一列有一個參與者 ID 變量，沒有 NA 值，另外兩個（目標變量）有一些分散在各處。 我正在嘗試使用此處解釋的解決方案（ 刪除除 2 列之外的所有列都是 NA的行）來刪除兩個目標變量都具有 NA 的行，但由於某種原因，我的實現似乎不加選擇地刪除了所有 NA。

這是未處理的 df 的示例：

ID	一個	b
1	抗體	不適用
1	不適用	抗體
1	不適用	不適用

這是我希望處理后的 df 的樣子：

ID	一個	b
1	抗體	不適用
1	不適用	抗體

這是我用來嘗試完成此操作的代碼：

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

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

但是，此代碼返回一個 df ，它完全刪除了任何包含 NA 的行。 所以對於上面的示例，它將返回一個空的 df。 我在哪里錯了？ 我無法弄清楚我的邏輯錯誤發生在哪里。

Answer 1

我們可以在filter中使用if_all - select if_all 中的 a 到 b 列，應用if_all （檢查 NA），如果 a 和 b 都具有 NA，則is.na對於一行將為 TRUE，取反（ ! ）轉換為 TRUE -> FALSE 和 FALSE->TRUE

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

-輸出

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

---

或者，我們可以將complete.cases與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

---

關於 OP 代碼中的問題，邏輯是通過查看是否存在至少一個 NA ( > 0 ) 來創建的，這對於所有行都是正確的。 相反，它應該都是 NA 然后取反

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

數據

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

另外還有一個 data.table 解決方案（感謝 akrun 提供的數據）。

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