使用dplyr计算考古骨骼completeness_MNE时的函数运行报错

• 第一级筛选逻辑完全反向（级联报错的核心诱因）
  原代码的筛选条件is.na(Zone1) & ... & is.na(Zone9)会把「所有测量分区全空的无效样本」全部保留，把有有效测量值的正常样本全部剔除。这些被保留的无效行，PERCENT、ELEMENT、SIDE、Scientific Name等核心字段几乎全为缺失值：
  1. 后续mutate生成pComplete时，因为PERCENT全为NA，case_when无法生成有效分类值，pComplete全为NA
  2. 执行filter(pComplete == "Complete")时，所有NA值会被全部剔除，数据集变为0行的空表
  3. 空表内无任何有效列，后续操作会连续触发「变量未定义」「select参数无效」的报错
• 分组计数逻辑冗余
  先手动group_by再调用count的写法会重复叠加分组维度，和最终需要的「物种-骨骼元素-侧方位计数」目标不匹配，也容易导致后续select环节找不到计数列。
• 匹配规则易失效
  硬编码小写的SIDE匹配值，如果数据集内实际存储的是首字母大写的格式（如"Left"/"Right"），会把所有有效样本全部剔除，再次形成空表触发报错。

注意：运行前请确认已经加载dplyr包，并且data为你实际加载的考古骨骼数据集对象

completeness_MNE <- data %>%
  # 剔除所有Zone1-Zone9全空的样本（保留至少1个分区有非空值的行）
  filter(if_any(`Zone 1`:`Zone 9`, ~ !is.na(.x))) %>%
  # 剔除骨骼完整度低于50%的样本
  filter(PERCENT >= 50) %>%
  # 大小写不敏感匹配有效侧方位值，避免因数据格式差异筛选空表
  filter(str_detect(SIDE, regex("axial|both|left|right", ignore_case = TRUE))) %>%
  # 生成骨骼元素+侧方位的组合标签，清理多余空格
  mutate(Element_Side = str_squish(paste(ELEMENT, SIDE))) %>%
  # 按维度分组计数，直接将计数列命名为MNE
  count(`Scientific Name`, ELEMENT, Element_Side, name = "MNE") %>%
  # 输出最终需要的列
  select(`Scientific Name`, Element_Side, MNE)

方案优化说明 #

• 用if_any()替代冗长的9个is.na()判断，减少列名写错的概率
• 去掉冗余的pComplete中间变量（需求仅要求保留完整度≥50%的样本，无需额外生成分类标签存入结果）
• 用大小写不敏感的正则匹配SIDE值，适配数据的实际存储格式
• 依赖count自身的分组计数逻辑，去掉手动提前group_by的冗余操作，从根源上避免select环节找不到计数列的报错
• 用str_squish()清理组合标签的多余空格，避免因空格不一致导致的计数分散

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