r - 如何选择具有等于或超过 2 个唯一值的列，同时忽略 NA 和空白？

Question

我的数据框看起来与此类似:

 df <- data.frame(ID = c(1, 2, 3, 4, 5),
               color = c(NA, "black", "black", NA, "brown"),
              animal = c("dog", "", "", "", "")
               owner = c("YES", "NO", "NO", "YES", NA))

<表类=“s-表”><标题>ID颜色动物所有者 <正文>1不适用狗是2黑色否3黑色否4不适用是5棕色不适用

我想检索具有超过 2 个唯一值的所有列的列名称，同时在此计算中忽略 NA 和空白/空字符串。

到目前为止我的解决方案:

df_col <- df %>% 
        select_if(function(col) length(unique(na.omit(col)))>1)

df_col <- colnames(df_col)

但我注意到 na.omit() 不会有帮助，因为它会删除整行。

如有任何帮助，我们将不胜感激。预先感谢您!

Answer 1

使用n_distinct，它也有na.rm参数，_if/_at/_all已被弃用，有利于across/哪里。可以使用 nzchar 检查空字符串 ('')，仅当它非空时才返回 TRUE，因此使用 nzchar 对列的元素进行子集化，然后逐列应用n_distinct并创建条件以仅选择这些列，然后获取名称

library(dplyr)
df %>%
    select(where(~ n_distinct(.x[nzchar(.x)], na.rm = TRUE) > 1)) %>%
     names

-输出

[1] "ID"    "color" "owner"

---

还有一个选项是将 "" 转换为 NA (na_if)，也许它可能会稍微紧凑

df %>% 
  select(where(~ n_distinct(na_if(.x, ""), na.rm = TRUE) > 1)) %>% 
  names