R中统计数据框内大于20的观测值数量结果与实际不符如何处理

你构造数据框时，所有数值列的元素都用引号包裹，导致这些列的类型为字符型，而非数值型。直接执行>比较时，R会按字符串字典序而非数值大小进行判断：
字符串的比较规则是逐位对比字符的ASCII码值，9的ASCII码远大于2，因此所有以9开头的字符串（比如你数据里的"9.83546459757003"）都会被判定为大于20，这部分多出来的3个误判结果，加上真实大于20的8个数值，刚好得到总和11。

你可以执行以下代码查看列类型验证问题：

# 查看各列的数据类型
sapply(df, class)
# 测试字符串比较逻辑
"9.8" > 20 # 返回值为TRUE，就是错误来源

先将除第一列ID外的所有列转换为数值型，再做统计即可得到正确结果：

# 转换列类型
df[, -1] <- lapply(df[, -1], function(x) as.numeric(as.character(x)))
# 重新统计
sum(df[,-1] > 20, na.rm = TRUE)
# 此时返回结果为8，和手动统计一致

内容的提问来源于stack exchange，提问作者SUMIT