R 基于变量组中的值筛选data.table

我遇到了一个问题，无法找到最佳语法来过滤掉我想要过滤一组变量至少有一个非null值的所有行的情况

一个例子如下：

> dat <- data.table(a=1:5, b=c(1:3, NA, NA), c=c(NA, 1:3, NA))

> cols <- c('b', 'c')

> dat[!all(is.na(cols)), .SD, with=FALSE]
Null data.table (0 rows and 0 cols)

> dat[!is.na(b)|!is.na(c), .SD]
   a  b  c
1: 1  1 NA
2: 2  2  1
3: 3  3  2
4: 4 NA  3

>dat cols dat[！all（is.na（cols）），.SD，with=FALSE]
Null data.table（0行和0列）
>数据[！is.na（b）|！is.na（c），.SD]
a、b、c
1:11 NA
2: 2  2  1
3: 3  3  2
4:4-3

---

如您所见，如果我明确地将每个变量名称为

！is.na（可变1）|！is.na（variable2）

它可以工作，但是我找不到包含一组变量的方法，因此我只能在1个条件下执行，而不能将所有内容与

或
连接起来
您可以使用以下语法与
行和
和
.SD
：

dat[dat[, rowSums(!is.na(.SD)) > 0, .SDcols  = cols]]
#   a  b  c
#1: 1  1 NA
#2: 2  2  1
#3: 3  3  2
#4: 4 NA  3

内部部分创建如下所示的逻辑值：

dat[, rowSums(!is.na(.SD)) > 0, .SDcols  = cols]
# [1]  TRUE  TRUE  TRUE  TRUE FALSE

对于Michael的评论，您也可以使用
Reduce
+
lappy
：

dat[dat[, Reduce("+", lapply(.SD, function(x) !is.na(x))) > 0, .SDcols = cols]]

但是对于我的大多数用例来说，
rowSums
方法还可以，而且更容易阅读，我认为。
您也可以这样做

dat[rowSums(!is.na(dat[, cols, with=FALSE])) > 0,]
    a  b  c
#1: 1  1 NA
#2: 2  2  1
#3: 3  3  2
#4: 4 NA  3

工作正常，但矩阵转换在大数据上非常昂贵。有一个Reduce方法，但我可以进行测试。类似于
do.call（`+`，lappy（.SD，is.na））
的方法也可以很好地工作，这不能满足OP使用相关列名向量（“col”）的要求。