R语言如何查找字符列中含数值错误的对应观测行号

首先纠正一个认知偏差：你用ned1 %>% count(source_id)输出结果里看到的X不是数据集自带的列，是tibble打印时自动显示的结果表自身的行序号，既不能直接调取，也和原始ned1数据集的行号没有对应关系，不能靠它定位原始数据的错误行。

直接用下面的代码就能一步定位所有source_id列里混入的数值类错误值对应的原始行：

library(dplyr)

# 定位所有错误行，返回原始行号和对应错误值
error_records <- ned1 %>%
  # 生成和原始数据完全对应的真实行号
  mutate(raw_row_id = row_number()) %>%
  # 筛选规则：能被转成数值的就是混入的错误值，转失败的正常字符会返回NA
  filter(!is.na(suppressWarnings(as.numeric(source_id)))) %>%
  select(raw_row_id, source_id)

运行后error_records里的raw_row_id就是错误值在原始ned1里的准确行号，直接对应找到单元格修改即可。

如果你已经从count()的统计结果里记下了具体的异常数值，也可以直接匹配取值定位：

# 替换成你在count结果里看到的具体异常值
abnormal_values <- c("你看到的错误数值1", "你看到的错误数值2")

error_records2 <- ned1 %>%
  mutate(raw_row_id = row_number()) %>%
  filter(source_id %in% abnormal_values) %>%
  select(raw_row_id, source_id)

如果需要直接删除这些错误行，不用手动找行号，直接运行下面的代码就能得到清洗后的数据集：

ned1_clean <- ned1 %>%
  filter(is.na(suppressWarnings(as.numeric(source_id))))

补充说明：如果你的source_id列本身就允许存在纯数字的合法ID，就不要用自动转数值的筛选逻辑，换成用abnormal_values匹配的方式更稳妥，避免误删正常数据。

内容的提问来源于stack exchange，提问作者daydreamer94