如何用dplyr实现按行筛选：保留至少一列值大于10的行

要把固定列的筛选逻辑a>10 | b>10推广到任意大小的数据框，不用手动罗列每一列的条件，我们可以用dplyr的灵活工具来实现，下面分享几种实用的方法：

方法1：用if_any()（推荐，dplyr 1.0.0+适用） #

这是dplyr专门为“任意列满足条件”场景设计的函数，语法清晰且高效：

library(dplyr)

# 测试用的数据框（新增一列c来验证多列场景）
df <- data.frame(
  a = c(1,2,3,4),
  b = c(11,1,1,1),
  c = c(5,6,12,7)
)

# 通用筛选逻辑
df %>%
  filter(if_any(everything(), ~ .x > 10))

输出结果： #

a  b  c
1 1 11  5
2 3  1 12

解释：

• everything()：选中数据框的所有列，你也可以用starts_with()/ends_with()等列选择器来指定部分列
• ~ .x >10：对每一列应用“值大于10”的判断
• if_any()：只要有一列满足条件，就保留当前行

方法2：用rowSums()（兼容旧版本dplyr/基础R风格） #

如果你的dplyr版本比较旧，或者更喜欢基础R的思路，可以用行求和的方式判断：

df %>%
  filter(rowSums(across(everything(), ~ .x > 10)) > 0)

解释：

• across(everything(), ~ .x>10)会生成一个由布尔值组成的临时数据框（TRUE=1，FALSE=0）
• rowSums()计算每行的布尔值总和，总和>0就意味着至少有一列满足条件

方法3：改进rowwise()实现 #

如果你习惯用rowwise()的思路，也可以不用手动列列名，改用c_across()来获取每行的所有列值：

df %>%
  rowwise() %>%
  filter(any(c_across(everything()) > 10)) %>%
  ungroup() # 记得取消行分组，避免后续操作效率降低

解释：

• c_across(everything())把当前行的所有列值打包成一个向量
• any()检查向量中是否存在大于10的元素，存在则保留该行

对比原代码的优势 #

原代码需要手动写a>10 | b>10，如果数据框有10列就得写10个条件；上面的方法不管数据框有多少列，都能自动适配，完全通用。

内容的提问来源于stack exchange，提问作者MKR