求助：如何在R中使用filter_all实现多模式值过滤

我明白你遇到的问题了——当你想用filter_all结合向量来过滤掉包含特定值的行时，直接用. != patterns会因为向量比较的逻辑问题导致失败。让我一步步帮你理清问题并解决：

问题根源 #

你写的filter_all(any_vars(. != patterns))里，. != patterns是元素级别的向量比较：比如当某列的某个值是-1时，它和c(-1,-2,-3,-4)比较会返回一个逻辑向量c(FALSE, TRUE, TRUE, TRUE)，而any_vars()期望每个变量对应的条件是单个逻辑值（比如TRUE或FALSE），这种向量形式的条件会让dplyr无法正确判断，自然就执行失败了。

另外，从你的需求“结果数据框不包含patterns中的任何值”来看，你应该是想保留所有列都不在patterns列表里的行，这时候用any_vars()其实逻辑也不对——any_vars()是只要有一列满足条件就保留该行，和你的需求相反。

正确的解决方法 #

推荐：使用dplyr最新语法（if_all/if_any） #

filter_all已经被dplyr软弃用了，官方推荐用if_all和if_any来替代，语法更清晰：

library(dplyr)

patterns <- c(-1, -2, -3, -4)
# 保留所有列都不在patterns中的行
data %>% 
  filter(if_all(everything(), ~ !(.x %in% patterns)))

兼容旧版dplyr：使用filter_all + all_vars #

如果你还在使用旧版dplyr，也可以用filter_all配合all_vars来实现，逻辑和上面一致：

data %>% 
  filter_all(all_vars(!(. %in% patterns)))

代码解释 #

• %in%：用来检查单个元素是否存在于目标向量中，返回单个逻辑值（正是我们需要的）
• !()：取反，把“元素在patterns里”变成“元素不在patterns里”
• if_all(everything(), ...)：要求数据框的所有列（everything()指代所有变量）都满足后面的条件
• all_vars(...)：和if_all作用一致，是旧版dplyr的写法

举个例子验证 #

假设你的数据框是这样的：

data <- tibble(
  col1 = c(1, -1, 5),
  col2 = c(2, 3, -2)
)

运行上面的过滤代码后，只会保留第一行(1, 2)——因为第二行的col1是-1，第三行的col2是-2，都属于patterns里的值，被过滤掉了。

内容的提问来源于stack exchange，提问作者Datamaniac