我正试图用dplyrs过滤器功能过滤数据帧中具有特定阈值(在本例中为>=1.2(的每一列。到目前为止，它运行得很好，但当我尝试运行代码时，突然收到了这个错误消息：
env_bind_lazy中的错误(private$bindings，！！set_names(promise，names_bindings((：尝试使用零长度变量名
这是我的数据帧的一部分(它有108列，有些行包含NA(：
| 平均值1 | ||
|---|---|---|
| 1.1874 | 1.0944 | 1.2376 |
| 1.258 | 1.0665 | 1.2365 |
| 1.0953 | 1.1420 | 1.2479 |
| 1.2234 | 1.0949 | 1.0608 |
| NA | NA | 1.146 |
此解决方案可能有效，并且与dplyr方法更加一致。下面的代码使用mtcars作为示例。它将保留所有值都大于或等于1的行。
library(dplyr)
mtcars %>%
filter(
across(
.cols = everything(),
.fns = ~ .x >= 1
)
)
编辑：根据您是否希望处理丢失的数据，这应该会有所帮助。您可以指定要用于筛选的函数，然后在where语句中应用。下面是mtcars的另一个例子。
myrowfun <- function(x){is.na(x)| x >=2}
mtcars <- mutate(mtcars, mpg = NA)
mtcars$mpg[1:7] <- rep(1,7)
mtcars %>%
filter(myrowfun(
across(
.cols = everything(),
.fns = ~.x
)
)
)
编辑：添加一个如何删除所有缺失列的示例
mtcars <- mutate(mtcars, newcol = NA)
#shows which columns are not all missing
sapply(mtcars, function(x)all(!is.na(x)))
#subset on that
mtcars2 <- mtcars[, sapply(mtcars, function(x)all(!is.na(x)))]