tidyverse 的生态越来越完善，一直把它当超大杯的 Excel 用。这里梳理下批量处理行和列的一些方法，主要会用到：

• across()
• if_any() 和 if_all()
• starts_with() 和 end_with()

另外，主要以 \(x) foo(x) 的方式传递匿名函数。

数据准备

library(tidyverse)

df <- tibble(
  x1 = 1:6,
  x2 = c(1:2, NA, 4:5, NA),
  x3 = c(5, 4, 3, NA, 0, NA),
  y = c("A", "C", "B", "B", "A", NA)
)

df

## # A tibble: 6 × 4
##      x1    x2    x3 y    
##   <int> <int> <dbl> <chr>
## 1     1     1     5 A    
## 2     2     2     4 C    
## 3     3    NA     3 B    
## 4     4     4    NA B    
## 5     5     5     0 A    
## 6     6    NA    NA <NA>

列批量处理

列筛选

全为 NA 的列

# df %>% select(where(~ all(is.na(.))))
df %>% select(where(\(x) all(is.na(x))))

## # A tibble: 6 × 0

含有 NA 的列

# df %>% select(where(~ any(is.na(.))))
df %>% select(where(\(x) any(is.na(x))))

## # A tibble: 6 × 3
##      x2    x3 y    
##   <int> <dbl> <chr>
## 1     1     5 A    
## 2     2     4 C    
## 3    NA     3 B    
## 4     4    NA B    
## 5     5     0 A    
## 6    NA    NA <NA>

也可以使用 df %>% select(where(anyNA))。

不含 NA 的列

# df %>% select(where(~ all(!is.na(.))))
df %>% select(where(\(x) all(!is.na(x))))

## # A tibble: 6 × 1
##      x1
##   <int>
## 1     1
## 2     2
## 3     3
## 4     4
## 5     5
## 6     6

缺失值填充

x 开头的列缺失值填 0。

df %>% mutate(across(starts_with("x"), \(x) replace_na(x, 0)))

## # A tibble: 6 × 4
##      x1    x2    x3 y    
##   <int> <int> <dbl> <chr>
## 1     1     1     5 A    
## 2     2     2     4 C    
## 3     3     0     3 B    
## 4     4     4     0 B    
## 5     5     5     0 A    
## 6     6     0     0 <NA>

列排序

x 开头的列全部放在 y 列后。

# 也有 .before 参数
df %>% relocate(starts_with("x"), .after = y)

## # A tibble: 6 × 4
##   y        x1    x2    x3
##   <chr> <int> <int> <dbl>
## 1 A         1     1     5
## 2 C         2     2     4
## 3 B         3    NA     3
## 4 B         4     4    NA
## 5 A         5     5     0
## 6 <NA>      6    NA    NA

列计算

• 数值列都减 1：

  df %>% mutate(across(where(is.numeric), \(x) x - 1))
  

  ## # A tibble: 6 × 4
  ##      x1    x2    x3 y    
  ##   <dbl> <dbl> <dbl> <chr>
  ## 1     0     0     4 A    
  ## 2     1     1     3 C    
  ## 3     2    NA     2 B    
  ## 4     3     3    NA B    
  ## 5     4     4    -1 A    
  ## 6     5    NA    NA <NA>
  

• 数值列若大于等于 5 则乘 2，小于 5 则减 1，缺失则为 -9999：

  df %>% 
    mutate(across(where(is.numeric),
                  \(x) if_else(x >= 5, x * 2, x - 1, -9999)))
  

  ## # A tibble: 6 × 4
  ##      x1    x2    x3 y    
  ##   <dbl> <dbl> <dbl> <chr>
  ## 1     0     0    10 A    
  ## 2     1     1     3 C    
  ## 3     2 -9999     2 B    
  ## 4     3     3 -9999 B    
  ## 5    10    10    -1 A    
  ## 6    12 -9999 -9999 <NA>
  

行批量处理

行筛选

全为 NA 的行

df %>% filter(if_all(everything(), is.na))

## # A tibble: 0 × 4
## # ℹ 4 variables: x1 <int>, x2 <int>, x3 <dbl>, y <chr>

含有 NA 的行

df %>% filter(if_any(everything(), is.na))

## # A tibble: 3 × 4
##      x1    x2    x3 y    
##   <int> <int> <dbl> <chr>
## 1     3    NA     3 B    
## 2     4     4    NA B    
## 3     6    NA    NA <NA>

不含 NA 的行

df %>% filter(!if_any(everything(), is.na))

## # A tibble: 3 × 4
##      x1    x2    x3 y    
##   <int> <int> <dbl> <chr>
## 1     1     1     5 A    
## 2     2     2     4 C    
## 3     5     5     0 A

行排序

除了按照某些列的值进行排序外，也可以按照自定义的顺序对行排序：

order_y = c("B", "C", "A")              # 定义 order_y 的顺序
df %>% arrange(match(y, order_y), -x1)  # 按照 order_y 和 -x1 的顺序排序

## # A tibble: 6 × 4
##      x1    x2    x3 y    
##   <int> <int> <dbl> <chr>
## 1     4     4    NA B    
## 2     3    NA     3 B    
## 3     2     2     4 C    
## 4     5     5     0 A    
## 5     1     1     5 A    
## 6     6    NA    NA <NA>

match() 返回需要排序变量中每个元素在参照变量中的位置，返回值是长度与需要排序变量长度相等的数值变量，用 arrange() 对其排序即可。

对于不在自定义顺序中的值，可以通过 match() 函数的 nomatch 参数控制位置:

# 按照 order_y 和 x1 的顺序排序，未匹配到的 y 排在最前面
df %>% arrange(match(y, order_y, nomatch = 0), x1)

## # A tibble: 6 × 4
##      x1    x2    x3 y    
##   <int> <int> <dbl> <chr>
## 1     6    NA    NA <NA> 
## 2     3    NA     3 B    
## 3     4     4    NA B    
## 4     2     2     4 C    
## 5     1     1     5 A    
## 6     5     5     0 A

行向计算

在 R 中，数据框主要以列的方向存储数据，因此行处理时需要特别注意。

比如：对 x 开头的行求和

• rowSums() + 列筛选

  df %>% 
    mutate(x_sum = rowSums(across(starts_with("x")), na.rm = TRUE))
  

  ## # A tibble: 6 × 5
  ##      x1    x2    x3 y     x_sum
  ##   <int> <int> <dbl> <chr> <dbl>
  ## 1     1     1     5 A         7
  ## 2     2     2     4 C         8
  ## 3     3    NA     3 B         6
  ## 4     4     4    NA B         8
  ## 5     5     5     0 A        10
  ## 6     6    NA    NA <NA>      6
  

• rowwise() 行化处理

  df %>% 
    rowwise() %>% 
    mutate(x_sum = sum(c_across(starts_with("x")), na.rm = TRUE)) %>% 
    as_tibble()  # 用于解除 rowwise()
  

  ## # A tibble: 6 × 5
  ##      x1    x2    x3 y     x_sum
  ##   <int> <int> <dbl> <chr> <dbl>
  ## 1     1     1     5 A         7
  ## 2     2     2     4 C         8
  ## 3     3    NA     3 B         6
  ## 4     4     4    NA B         8
  ## 5     5     5     0 A        10
  ## 6     6    NA    NA <NA>      6