R语言分组数据框应用DBSCAN时类型转换报错求助

报错的核心原因有三个：

• 传给dbscan的对象包含非数值列（分组后的data.frame保留了group列，是字符型），即便dbscan支持data.frame输入，也要求所有列都是数值型。
• 嵌套的detect_outliers函数没有正确接收并使用outlier_cols参数，之前提取列的语法在嵌套函数中无法生效。
• 你用which得到的是分组内的行索引，不是原始数据的全局行号，后续的left_join无法正确匹配到要删除的行。

以下是修正后的完整代码：

# INSTALL PACMAN
if (!require("pacman", character.only = TRUE)) {
  install.packages("pacman")
}

# LOAD THE NECESSARY LIBRARIES
pacman::p_load(dplyr, dbscan, tidyr)

remove_outliers <- function(data, group_var, outlier_threshold, outlier_cols) {
  # 定义异常值检测函数：接收分组数据、指定列名、阈值
  detect_outliers <- function(x, cols, eps) {
    # 提取指定的数值列，转换为矩阵（确保无非数值列）
    x_num <- x %>% select(all_of(cols)) %>% as.matrix()
    # 运行DBSCAN，获取异常值的分组内索引
    outlier_idx_in_group <- which(dbscan(x_num, eps = eps, minPts = 5)$cluster == -1)
    return(outlier_idx_in_group)
  }
  
  # 分组处理：保留原始行号，计算每个分组内的异常值位置，再关联回原始行号
  outliers <- data %>%
    mutate(original_row = row_number()) %>%  # 记录原始数据的全局行号
    group_by(across({{ group_var }})) %>%
    summarise(
      original_row = list(original_row[detect_outliers(cur_data(), outlier_cols, outlier_threshold)]),
      .groups = "drop"
    ) %>%
    unnest(original_row)  # 展开异常值的全局行号
  
  # 过滤掉异常值行
  data_clean <- data %>%
    mutate(original_row = row_number()) %>%
    anti_join(outliers, by = "original_row") %>%
    select(-original_row)  # 移除临时行号列
  
  return(data_clean)
}

• 传递参数到嵌套函数：将outlier_cols和outlier_threshold作为参数传入detect_outliers，避免嵌套函数无法访问外部参数的问题。
• 确保输入到DBSCAN的是纯数值矩阵：用select(all_of(cols))提取指定列（支持字符向量传参），再转成矩阵，彻底避免非数值列的干扰。
• 修正行索引匹配问题：通过row_number()记录原始数据的全局行号，将分组内的异常值索引转换为全局行号，再用anti_join直接过滤异常行，避免之前的匹配错误。

用示例数据集测试（设置随机种子确保结果可复现）：

set.seed(123)
df <- data.frame(
  group = rep(letters[1:3], each = 10),
  value1 = rnorm(30),
  value2 = rnorm(30),
  value3 = rnorm(30)
)

test <- remove_outliers(data = df, group_var = group, outlier_threshold = 2, outlier_cols = c("value1", "value3"))

内容的提问来源于stack exchange，提问作者TheGoat