在R中如何定位tibble列内无法转换为numeric类型的元素

优先使用tidyverse语法的话，可以直接通过dplyr::filter()结合类型转换的结果筛选异常行，核心逻辑是：字符串转数值后为NA、且原字符串不是合法的缺失值标记（如"NA"）的行，就是转换失败的行。

最简写法 #

无需修改原表结构，直接筛选得到结果：

library(tidyverse)

tibble(x = 1:10, 
       y = c("11", "12", "13", "14", "15", "16", "17", "18-21", "22", "23")) %>% 
  filter(is.na(suppressWarnings(as.numeric(y))) & y != "NA")

运行后输出符合预期的结果：

# A tibble: 1 × 2
      x y    
  <int> <chr>
1     8 18-21

这里用suppressWarnings()包裹as.numeric()是为了避免筛选时触发"NAs introduced by coercion"的警告，不需要可以去掉。

带校验的写法 #

如果需要同时查看转换后的值做二次确认，可以新增临时列再筛选：

tibble(x = 1:10, 
       y = c("11", "12", "13", "14", "15", "16", "17", "18-21", "22", "23")) %>% 
  mutate(y_num = suppressWarnings(as.numeric(y))) %>% 
  filter(is.na(y_num) & y != "NA")

如果你的场景中除了"NA"之外还有其他需要视为合法缺失值的字符串（比如空字符串""、"NULL"等），只需要在filter的判断条件中补充排除即可。

内容的提问来源于stack exchange，提问作者Freddie J. Heather