score::ipaq函数莫名删除数据行问题求助

可能的原因 #

• 数据格式不符合函数要求：score::ipaq对输入变量的类型、取值范围有严格校验，肉眼看似有效的数据可能存在隐性问题：
  • 变量类型错误：数值类字段被存为字符型，或包含空格、换行符等不可见字符
  • 取值超出预设范围：IPAQ问卷的活动时长、频率等字段有固定合法取值区间，哪怕微小偏差（比如输入"0"字符串而非数值0）都会触发过滤
• 隐性缺失值：函数会自动删除含特定缺失值的行，可能存在空字符串、NaN这类肉眼难察觉的缺失形式
• 逻辑一致性校验：函数内部会检查问卷回答的逻辑合理性（比如高强度活动周时长不能超过168小时），不符合逻辑的行被静默过滤且无报错

解决方法 #

1. 排查单条数据的细节问题
   提取record_id为7的行，查看变量类型、取值的详细信息：

   row7 <- ipaq_cleaned_df[ipaq_cleaned_df$record_id == 7, ]
   str(row7)
   print(row7, digits = 20) # 暴露隐藏的字符或格式异常
   

   对照?score::ipaq的官方文档，逐一核对每个输入变量的类型、合法取值范围。

2. 手动复现函数的校验逻辑
   查看函数源代码（直接在R中运行score::ipaq），定位数据过滤的具体条件，比如检查数值是否在合法区间：

   # 示例：检查高强度活动时长是否符合0-168小时的周范围
   row7$vigorous_duration %in% 0:168
   

3. 修复数据格式与取值问题

   • 转换变量类型并清理不可见字符：

     ipaq_cleaned_df$vigorous_duration <- as.numeric(trimws(ipaq_cleaned_df$vigorous_duration))
     

   • 修正超出范围的取值：根据IPAQ问卷规则，将不合理数值调整为合法值，或标记为NA后再处理。

4. 前置数据校验
   在调用score::ipaq前，先筛选出不符合规则的行，提前修正：

   # 示例：排查所有活动时长超出合理范围的行
   invalid_rows <- which(ipaq_cleaned_df$vigorous_duration < 0 | ipaq_cleaned_df$vigorous_duration > 168)
   print(ipaq_cleaned_df[invalid_rows, ])
   

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