您可以重新定义empty_columns以检查列名是否包含"_1" ...

empty_columns <- colSums(is.na(df) | df == "") == nrow(df) & grepl("_1", names(df))

这里有一个tidyverse，select选项，ends_with（"_1"）和（&）列具有所有的NA值（在将空白（""）转换为NA后，使用na_if，然后删除那些使用-的列

library(dplyr)
df %>%
    select(-(ends_with("_1") & where(~ all(is.na(na_if(as.character(.x), ""))))))

• 输出

a b b_1 c c_1  d  e
1 3 3   3     5  6 NA
2 2 4  NA     8  9 NA
3 1 1   4     9 10 NA

首先进行一些清洁和type.convert列。

df[1:10] <- type.convert(df[1:10], as.is=TRUE)

那就是

df[!(colSums(is.na(df)) == nrow(df) & grepl('_1', names(df)))]
#   a b b_1  c c_1  d  e
# 1 3 3   3 NA   5  6 NA
# 2 2 4  NA NA   8  9 NA
# 3 1 1   4 NA   9 10 NA

除了对""和NA进行条件测试外，还使用grepl过滤colnames。

df[, !(sapply(df, function(x) 
  (any(x == "", na.rm=T) & any(is.na(x))) | 
     all(x == "", na.rm=T) & !all(is.na(x))) & grepl("_1$", colnames(df)))]
  a b b_1 c c_1  d  e e_1
1 3 3   3     5  6 NA  NA
2 2 4  NA     8  9 NA  NA
3 1 1   4     9 10 NA  NA

如果有一列包含空单元格和字母数字值，则此操作也有效。

如果你像我一样喜欢在列上迭代，那么在empty_columns向量上还有几个即兴重复。OP中棘手的事情是访问每列的名称和值;你可以通过处理名字并检索它们的列来实现，或者使用purrr::imap_lgl，这是一个快捷方式。

empty1 <- sapply(names(df), function(n) all(is.na(df[n]) | df[n] == "") & grepl("_1", n))
empty2 <- purrr::imap_lgl(df, function(col, id) all(is.na(col) | col == "") & grepl("_1", id))

您也可以使用regex来代替组合is.na和== ""。

empty3 <- purrr::imap_lgl(df, function(col, id) !any(grepl(".", col)) & grepl("_1", id))

所有3个都得到相同的要删除的列集。

df[!empty1]
#>   a b b_1 c c_1  d  e
#> 1 3 3   3     5  6 NA
#> 2 2 4  NA     8  9 NA
#> 3 1 1   4     9 10 NA