如何 select 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))

ID	color	animal	owner
1	NA	dog	YES
2	black		NO
3	black		NO
4	NA		YES
5	brown		NA

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

目前我的解决方案：

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() 无济于事，因为它会删除整行。

如有任何帮助，我们将不胜感激。提前致谢！

Answer 1

使用 n_distinct，它也有 na.rm 参数，_if/_at/_all 被弃用，取而代之的是 across/where。可以使用 nzchar 检查空字符串 ('')，其中 returns 只有在 non-empty 时才为 TRUE，因此使用 nzchar 对列的元素进行子集化然后按列应用 n_distinct 并仅对 select 这些列创建条件，然后获取 names

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

-输出

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

一个选项也是将""转换为NA（na_if），也许会稍微紧凑一些

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

Answer 2

您可以用 NA (na_if) 替换带有“”的值，然后使用 lengths 来计算唯一值的数量。使用 names 和 which 获取具有两个以上值的名称向量。

names(which(lengths(lapply(na_if(df, ""), \(x) unique(x[!is.na(x)]))) >= 2))
[1] "ID"    "color" "owner"

结合n_distinct：

colnames(df)[lapply(na_if(df, ""), n_distinct, na.rm = T) >= 2]
[1] "ID"    "color" "owner"

如何 select 具有等于或超过 2 个唯一值的列，同时忽略 NA 和空白？

How to select columns with equal or more than 2 unique values while ignoring NA and blank?

r

dplyr

shiny