for循环中使用dplyr的filter函数结果异常如何解决？

你的代码有3个核心错误，直接导致结果不符合预期：

• 循环迭代序列设置错误：for (i in 36:39) 生成的迭代序列只有36、37、38、394个整数值，总共只会执行4次循环，根本不会按你预期的步长0.15生成20个区间。
• 列引用错误：在dplyr管道操作中，你直接引用了原始全局环境下的emi_sigma$V1、emi_sigma1$V2列，而不是管道传入的当前子集的对应列。这会导致过滤、取最小值的逻辑和你当前处理的子集完全不匹配，长度不一致时就会返回空结果。
• 无效代码：循环内的i == i + 0.15是逻辑判断语句，既不会修改变量i的值，也不会改变for循环的迭代节奏，属于完全无效的代码。R的for循环迭代变量是严格按照你预先给定的序列依次赋值的，循环体内对迭代变量的修改不会影响下一轮的迭代取值。

循环写法修正 #

先手动生成符合步长要求的区间起点序列，再执行循环，管道操作中直接引用列名即可，不要加原始数据框前缀：

library(dplyr)

# 生成20个区间的左端点，步长0.15，范围36~39
interval_left <- seq(36, 39 - 0.15, by = 0.15)
res_list <- vector("list", length(interval_left))

for (j in seq_along(interval_left)) {
  l <- interval_left[j]
  r <- l + 0.15
  sub_data <- emi_sigma1 %>% filter(between(V1, l, r))
  min_row <- sub_data %>% slice_min(V2)
  res_list[[j]] <- min_row
}

# 合并所有区间的结果
final_res <- bind_rows(res_list)

更简洁的非循环写法 #

直接用分箱函数给数据打区间标签后分组计算，不需要写循环，出错概率更低：

final_res <- emi_sigma1 %>%
  mutate(
    interval_tag = cut(
      V1,
      breaks = seq(36, 39, by = 0.15),
      include.lowest = TRUE,
      right = TRUE
    )
  ) %>%
  group_by(interval_tag) %>%
  slice_min(V2) %>%
  ungroup()

内容的提问来源于stack exchange，提问作者Marco Antonio Oliveira