如何删除数据框中任意列存在99%分位数异常值的整行？

这个需求其实很好实现，我给你两种方案——基础R原生语法和dplyr风格的写法，你可以根据自己的习惯选择：

方法一：基础R原生实现 #

首先我们先计算出每列的99%分位数阈值，然后按行检查是否所有列的数值都不超过对应阈值，保留符合条件的行：

# 先计算各列的99%分位数阈值
thresholds <- sapply(MyData, quantile, probs = 0.99, na.rm = TRUE)

# 筛选出所有列都未超过对应阈值的行
MyData_filtered <- MyData[apply(MyData, 1, function(row) all(row <= thresholds)), ]

简单解释一下：

• apply(MyData, 1, ...) 是按行遍历数据框，对每一行执行后面的匿名函数
• 匿名函数里的 all(row <= thresholds) 用来判断当前行的所有元素是否都小于等于对应列的阈值，返回TRUE或FALSE
• 最后用这个逻辑向量来筛选数据框的行，只保留返回TRUE的行

方法二：dplyr实现（更简洁直观） #

如果你习惯用tidyverse的风格，用dplyr可以写出更易读的代码：

# 先加载dplyr包
library(dplyr)

# 直接在filter里结合across计算阈值并筛选
MyData_filtered <- MyData %>%
  filter(across(everything(), ~.x <= quantile(.x, probs = 0.99, na.rm = TRUE)))

或者如果你想先单独计算阈值再复用，也可以这么写：

# 先计算各列的99%分位数阈值
thresholds <- MyData %>% summarize(across(everything(), ~quantile(.x, probs = 0.99, na.rm = TRUE)))

# 基于阈值筛选行
MyData_filtered <- MyData %>%
  filter(across(everything(), ~.x <= thresholds[[cur_column()]]))

这里的across(everything(), ...)会遍历所有列，对每列执行判断：当前列的数值是否小于等于该列的99%分位数，只有所有列都满足条件的行才会被保留。

内容的提问来源于stack exchange，提问作者Amir Rahbaran