r - 使用 filter() 和 cross() 保留包含任何变量缺失值的数据帧的所有行

Question

有时我想查看数据框中的所有行，如果我删除任何变量的所有缺失值的行，这些行将被删除。在这种情况下，我对如何使用 dplyr 执行此操作特别感兴趣。 1.0 across() filter() 内部使用的函数动词。

这是一个示例数据框:

df <- tribble(
  ~id, ~x, ~y,
  1, 1, 0,
  2, 1, 1,
  3, NA, 1,
  4, 0, 0,
  5, 1, NA
)

tidyverse website 上提供了用于保留不包含任何缺失值的行的代码。 .具体来说，我可以使用:

df %>% 
  filter(
    across(
      .cols = everything(),
      .fns = ~ !is.na(.x)
    )
  )

返回:

# A tibble: 3 x 3
     id     x     y
  <dbl> <dbl> <dbl>
1     1     1     0
2     2     1     1
3     4     0     0

但是，我不知道如何返回相反的结果——任何变量中都有缺失值的行。我正在寻找的结果是:

# A tibble: 2 x 3
     id     x     y
  <dbl> <dbl> <dbl>
1     3    NA     1
2     5     1    NA

我的第一个想法就是删除 ! :

df %>% 
  filter(
    across(
      .cols = everything(),
      .fns = ~ is.na(.x)
    )
  )

但是，它返回零行。

当然，如果我提前知道所有具有缺失值的变量，我可以通过这段代码得到我想要的答案:

df %>% 
  filter(is.na(x) | is.na(y))

但是，我正在寻找一种不需要我提前知道哪些变量具有缺失值的解决方案。此外，我知道如何使用 filter_all() 来做到这一点。功能:

df %>% 
  filter_all(any_vars(is.na(.)))

但是， filter_all()函数已被 across() 的使用取代在现有动词中。见 https://dplyr.tidyverse.org/articles/colwise.html

我所做的其他不成功的尝试是:

df %>% 
  filter(
    across(
      .cols = everything(),
      .fns = ~any_vars(is.na(.x))
    )
  )

df %>% 
  filter(
    across(
      .cols = everything(),
      .fns = ~!!any_vars(is.na(.x))
    )
  )

df %>% 
  filter(
    across(
      .cols = everything(),
      .fns = ~!!any_vars(is.na(.))
    )
  )

df %>% 
  filter(
    across(
      .cols = everything(),
      .fns = ~any(is.na(.x))
    )
  )

df %>% 
  filter(
    across(
      .cols = everything(),
      .fns = ~any(is.na(.))
    )
  )

Answer 1

现在可以使用 dplyr 1.0.4.新款if_any()替换 across()对于过滤用例。

library(dplyr)

df <- tribble(~ id, ~ x, ~ y,
              1, 1, 0,
              2, 1, 1,
              3, NA, 1,
              4, 0, 0,
              5, 1, NA)

df %>% 
  filter(if_any(everything(), is.na))
#> # A tibble: 2 x 3
#>      id     x     y
#>   <dbl> <dbl> <dbl>
#> 1     3    NA     1
#> 2     5     1    NA

创建于 2021-02-10 由 reprex package (v0.3.0)
详情请看这里: https://www.tidyverse.org/blog/2021/02/dplyr-1-0-4-if-any/