R语言dataframe多列求最小非零值for循环仅返回第一列Inf问题

你的循环跑不通有两个直接问题：

• 循环体内部写了i <- 1，每次进入循环都会把迭代变量i强制重置为1，导致循环永远只会处理第一列，根本不会遍历后续列
• 当某一列剔除所有0值后是空向量时，直接对空向量调用min()会默认返回Inf，这就是你最终拿到Inf结果的原因。如果第一列本身全是0、或者过滤0后没有剩余有效值，就会直接触发这个结果。

删掉循环里多余的i <- 1，同时补充边界情况处理，避免空值导致的Inf结果：

smallest_nonzero_values <- c()
# 用seq_along生成列索引，比1:length写法更稳妥，空数据框也不会报错
for (i in seq_along(df)) {
  # 取当前列，同时剔除0和缺失值
  current_col <- df[[i]]
  non_zero_vals <- current_col[current_col != 0 & !is.na(current_col)]
  # 过滤后无有效值时返回NA，避免出现Inf
  if (length(non_zero_vals) == 0) {
    smallest_nonzero_values[i] <- NA_real_
  } else {
    smallest_nonzero_values[i] <- min(non_zero_vals)
  }
}
# 给结果匹配列名，方便对应每一列的计算结果
names(smallest_nonzero_values) <- colnames(df)

R里确实更推荐用向量化函数替代显式for循环处理这类逐列计算需求，代码更简洁也不容易出错：

base R 原生方案 #

不需要加载任何第三方包，直接用sapply逐列迭代计算即可：

smallest_nonzero_values <- sapply(df, function(col) {
  non_zero <- col[col != 0 & !is.na(col)]
  if (length(non_zero) == 0) NA_real_ else min(non_zero)
})

dplyr 方案 #

如果平时用tidyverse生态做数据处理，可以用across直接在数据框内完成逐列计算，返回结果直接是数据框格式，方便后续处理：

library(dplyr)

smallest_nonzero_values <- df %>%
  summarise(across(
    .cols = everything(),
    .fns = ~ {
      non_zero <- .x[.x != 0 & !is.na(.x)]
      if (length(non_zero) == 0) NA_real_ else min(non_zero)
    }
  ))

• 所有写法都默认把NA（缺失值）和0一起剔除，如果需要保留NA相关的计算逻辑，可以根据需求调整过滤条件
• 取数据框列的时候优先用[[索引，比[,i]的兼容性更好，不会因为数据框属性变化意外把列降维成向量导致报错
• 不要在for循环体内修改迭代变量的值，这是非常容易引入bug的写法

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