移除异常值后计算剩余数据占比时输出numeric(0)的问题排查

你代码最后一行输出numeric(0)的核心问题是：dep_delay是从数据框里提取的向量，而nrow()是用来计算数据框/矩阵行数的函数，对向量调用nrow()会返回NULL，用NULL做减法和除法自然得不到有效结果。

修正方案一：替换nrow()为合适的向量长度计算 #

因为你用了na.rm=TRUE计算分位数，所以应该统计非NA值的总数，而不是向量的总长度（总长度包含NA）。把最后一行的nrow(dep_delay)换成sum(!is.na(dep_delay))即可：

dep_delay <- flights$dep_delay
dep_delay_upper <- quantile(dep_delay, 0.997, na.rm=TRUE)
dep_delay_lower <- quantile(dep_delay, 0.003, na.rm=TRUE)
dep_delay_out <- which(dep_delay > dep_delay_upper | dep_delay < dep_delay_lower)
# 替换nrow为sum(!is.na(...))统计有效数据量
(sum(!is.na(dep_delay)) - length(dep_delay_out)) / sum(!is.na(dep_delay)) * 100

修正方案二：更简洁的写法（不用which） #

直接用逻辑向量计算保留的数据占比，步骤更清晰：

dep_delay <- flights$dep_delay
# 计算分位数
q <- quantile(dep_delay, c(0.003, 0.997), na.rm=TRUE)
# 生成逻辑向量：TRUE表示保留的数据（非异常值且非NA）
keep <- dep_delay >= q[1] & dep_delay <= q[2] & !is.na(dep_delay)
# 计算占比
mean(keep) * 100

这里mean(keep)会自动计算TRUE的比例，乘以100就是百分比，比用which更高效。

内容的提问来源于stack exchange，提问作者jakdar