使用apply前需筛选data.frame数值列？求tidyverse简化方案

针对你的需求，这里有两种简洁的tidyverse实现方式，核心思路是先锁定数值列，再判断每行是否存在非有限值（NA、NaN、Inf等）：

方法一：使用if_any（推荐，效率更高） #

if_any是dplyr 1.0.0及以上版本的函数，能向量化检查指定列中是否任意一列满足条件，写法最简洁：

library(dplyr)

UNI <- data.frame(text = c("a", "b", "c"), x = c(1, NA, NaN), y = 1:3)

# 筛选目标行
UNI %>%
  filter(if_any(where(is.numeric), ~ !is.finite(.x)))

逻辑说明： #

• where(is.numeric)：自动识别数据框中的所有数值类型列（这里是x和y）
• ~ !is.finite(.x)：判断列中的值是否为非有限值（is.finite会对NA、NaN、Inf/-Inf返回FALSE，取反后就是我们要找的情况）
• if_any：只要该行的任意一个数值列满足条件，就保留该行

方法二：使用rowwise + c_across #

如果习惯行式操作，可以用这种写法，不过效率略低于if_any：

UNI %>%
  rowwise() %>%
  filter(any(!is.finite(c_across(where(is.numeric))))) %>%
  ungroup()

逻辑说明： #

• rowwise()：将数据框按行分组
• c_across(where(is.numeric))：提取当前行的所有数值列值，组成向量
• any(!is.finite(...))：判断该向量中是否存在非有限值，满足则保留该行
• ungroup()：取消行分组，恢复数据框默认结构

这两种方法都能精准筛选出数值列含NA/NaN等非有限值的行，避免了文本列干扰，写法比手动筛选列后用apply简洁得多。

内容的提问来源于stack exchange，提问作者Tomas