R dplyr filter函数执行后数值列全为0，原因何在？

嘿，这个情况确实有点让人摸不着头脑——毕竟filter()是我们日常用dplyr时最顺手的工具之一，突然出这种问题肯定挺闹心！我来分享几个最可能的原因和排查思路：

• NA值在偷偷干扰过滤逻辑
  如果你的CODE_FRAIS列里存在NA值，那么CODE_FRAIS != "CINT"对这些NA行返回的结果是NA，而dplyr::filter()默认会把返回NA的行也一并过滤掉。如果刚好剩下的行数值列本来就全是0，就会出现你看到的情况。
  你可以先跑这条命令看看CODE_FRAIS的分布（包括NA的数量）：

  table(data1$CODE_FRAIS, useNA = "always")
  

  如果确实有NA，试试修改过滤条件，把NA的行也保留下来：

  data1 <- data1 %>% dplyr::filter(CODE_FRAIS != "CINT" | is.na(CODE_FRAIS))
  

  看看数值列是不是恢复正常了。

• 函数冲突导致执行了错误的filter
  R里有不止一个filter()函数——比如stats包也自带一个filter()，如果你的环境里加载了多个包，可能出现函数冲突，导致你调用的不是dplyr的过滤函数。试试明确指定用dplyr::filter()：

  data1 <- data1 %>% dplyr::filter(CODE_FRAIS != "CINT")
  

  说不定就能解决问题。

• 列类型的隐性错误
  先检查一下数据的列类型，跑这条命令看看细节：

  str(data1)
  

  • 确认CODE_FRAIS是字符型（character）而不是因子型（factor）：如果是因子且"CINT"不在因子的水平列表里，CODE_FRAIS != "CINT"会返回全TRUE，不过这时候应该不会过滤掉任何行，但也可能引发其他隐性问题。
  • 确认数值列确实是numeric或integer类型：如果数值列被意外转换成了逻辑型（logical），那么FALSE会显示成0，TRUE是1，要是所有数值列都变成了FALSE，就会全显示0。

• 会不会是数据本身的巧合？
  虽然听起来有点离谱，但说不定过滤后剩下的行数值列本来就全是0？你可以跑这条命令看看数值列的统计信息：

  data1 %>% filter(CODE_FRAIS != "CINT") %>% select(where(is.numeric)) %>% summary()
  

  如果统计结果里最小值、最大值、均值都是0，那就是数据本身的问题，不是filter()的锅啦。

先试试这些方法，应该能很快找到问题根源！

内容的提问来源于stack exchange，提问作者Alpha Blue