sqldf筛选telephone1非空行结果异常，明明存在空值却未过滤

看起来你遇到的核心问题是：CSV里的「无数据行」并没有被sqldf识别为SQL标准的NULL，所以telephone1 is not null这条筛选条件根本没起到过滤作用。下面是具体的原因分析和解决办法：

1. 先确认「空行」的真实内容 #

首先得搞清楚telephone1列里的「无数据」到底是什么——是空字符串""？还是带空格的字符串？还是R里的NA？

你可以在R里运行这两句代码查看细节：

# 查看telephone1列的所有唯一值
unique(df_active_accounts$telephone1)
# 统计各类值的出现次数（包含NA）
table(df_active_accounts$telephone1, useNA = "always")

如果结果里出现了空字符串""或者空格（比如" "），那这就是问题根源：SQL里的NULL和空字符串是完全不同的概念，is not null只会排除真正的SQL NULL，不会过滤空字符串。

2. 修改sqldf查询语句，同时过滤空值和空字符串 #

直接在SQL语句里补充对空字符串的判断，就能过滤掉那些看起来空的行：

# 过滤NULL和空字符串
telephone1 <- sqldf('Select telephone1 from df_active_accounts where telephone1 is not null and telephone1 != ""')

如果还有带空格的「伪空值」，可以再加个trim函数去除首尾空格后判断：

# 同时过滤NULL、空字符串和纯空格的行
telephone1 <- sqldf('Select telephone1 from df_active_accounts where telephone1 is not null and trim(telephone1) != ""')

3. 从根源解决：读CSV时就把空值识别为NA #

你可以在read.csv2时指定na.strings参数，把CSV里的空字符串、空格这类「无数据内容」直接转成R的NA，这样sqldf就能正确识别为SQL NULL了：

# 把空字符串、单个空格都识别为NA
df <- read.csv2("df.csv", na.strings = c("", " "))
# 之后再执行原有的筛选流程
df_active_accounts <- sqldf('Select * from df where statecode = 0')
telephone1 <- sqldf('Select telephone1 from df_active_accounts where telephone1 is not null')

4. 备选方案：用R原生语法筛选（更直观） #

如果不想纠结sqldf的SQL语法，直接用R原生的筛选逻辑也能搞定：

# 筛选telephone1不是NA且不是空字符串的行
telephone1_df <- df_active_accounts[!is.na(df_active_accounts$telephone1) & df_active_accounts$telephone1 != "", ]
# 若只需要保留telephone1列
telephone1 <- telephone1_df[, "telephone1", drop = FALSE]

内容的提问来源于stack exchange，提问作者Vincent van Amesfoort