关于R语言dplyr的filter_at处理缺失值的技术问询

首先我先帮你复现测试用的数据框（注意R里的缺失值一般用NA，和NaN在筛选逻辑上处理逻辑一致）：

df <- data.frame(
  ID = 1:3,
  bank = c("own", "own", NA),
  type = c("online", "offline", "total"),
  stringsAsFactors = FALSE
)

你的核心需求是筛选bank列为缺失值（NA/NaN）且type列为"total"的行，之前的filter_at写法问题出在逻辑方向和函数用法上：any_vars的作用是只要任意一个变量满足括号里的条件就保留行，但你需要的是两个条件同时成立，而且条件表达式也和需求不匹配。

最直观的正确写法 #

直接用filter函数把两个条件用&（逻辑与）连接，清晰易懂：

library(dplyr)
l1 <- df %>% filter(is.na(bank) & type == "total")
nrow(l1) # 输出1，完全符合你的预期

如果你想用dplyr推荐的across写法（替代旧的filter_at） #

从dplyr 1.0.0版本开始，官方推荐用across替代filter_at这类scoped动词，如果你想尝试这种写法，可以这样写：

l1 <- df %>% 
  filter(
    across(bank, is.na),
    across(type, ~ .x == "total")
  )

本质和上面的写法逻辑一致，只是用across来指定列对应的判断规则。

为什么你的原命令不对？ #

拆解一下你的原代码逻辑：

vec <- c("total")
l1 <- df %>% filter_at(vars(type,bank), any_vars(!(. %in% vec) && (!is.na(.))))

这里的逻辑是：只要type或bank其中一个变量满足“不在vec里且不是缺失值”，就保留该行。

• 对于type列：!(. %in% vec) 会筛选出"online"和"offline"（它们不在vec里），同时!is.na(.)都满足，所以前两行的type符合条件；
• 对于bank列：!(. %in% vec) 会包含"own"和NA（NA不在vec里），但!is.na(.)只保留"own"，所以前两行的bank符合条件；
  最终前两行都会被保留，nrow(l1)得到2，和你的预期不符。

内容的提问来源于stack exchange，提问作者Andi Maier