r - 删除具有重复值的行并将 NA 作为单独的值包含在内

Question

我有一个像这样的 df:

testdf <- structure(list(POS = c(37, 44, 50, 83), Col1 = c("A", "C", NA, 
"G"), Col2 = c("A", NA, "T", "C")), class = "data.frame", row.names = c(NA, 
-4L))

看起来像这样:

     POS  Col1 Col2
[1,] "37" "A"  "A" 
[2,] "44" "C"  NA  
[3,] "50" NA   "T" 
[4,] "83" "G"  "C" 

我想排除 Col1 和 Col2 之间相同的所有行(这意味着只有第 1 行)。不幸的是我不知道如何处理 NA。当我尝试时

testdf[testdf$Col1 != testdf$Col2,]

它不将 NA 视为自己的条目？

预期输出应该是:

     POS  Col1 Col2
[1,] "44" "C"  NA  
[2,] "50" NA   "T" 
[3,] "83" "G"  "C" 

我宁愿不将 NA 改造成其他东西。

testdf %>%
  rowwise %>%
  filter(Col1 != Col2)

也无法正常工作。

Answer 1

您可以将 is.na() 添加到过滤条件中。

您还应该处理两列都是NA的情况；我在您的示例数据中添加了这样的行。如果您想保留这些行，则:

library(dplyr)

testdf %>%
  filter(is.na(Col1) | is.na(Col2) | Col1 != Col2)

  POS Col1 Col2
1  44    C <NA>
2  50 <NA>    T
3  83    G    C
4  99 <NA> <NA>

如果您想删除它们，请使用xor()而不是|:

testdf %>%
  filter(xor(is.na(Col1), is.na(Col2)) | Col1 != Col2)

  POS Col1 Col2
1  44    C <NA>
2  50 <NA>    T
3  83    G    C