I'；我试图用Dplyr代码过滤我的数据，但变异、过滤和选择是'；行不通

我正在处理一个考古数据集，并试图创建一个名为completency_MNE的新变量。它将首先过滤掉缺少所有区域（缺少几个区域中的任何一个都可以，但不是全部）和/或完整性低于50%的行，从而过滤掉我的数据。然后再加上其余的，它将按物种、元素和侧面对我的标本进行汇总

错误：它没有定义pComplete或Element\u Side

#在子集数据集中（完整性大于等于50的骨骼，请给出每侧的最大元素数）

完整性\u MNE%
过滤器（is.na（`Zone 1`）&is.na（`Zone 2`）&is.na（`Zone 3`）&is.na（`Zone 4`）&is.na（`Zone 5`）&is.na（`Zone 6`）&is.na（`Zone 7`）&is.na（`Zone 8`）&is.na（`Zone 9`）%>%添加了这一行
突变（pComplete=case_，当（百分比<50~“不完整”，
百分比>=50~“完成”））%>%
过滤器（pComplete==“Complete”）%>%
过滤器（侧%c（“轴向”、“两侧”、“左侧”、“右侧”））%>%
突变（元素侧=粘贴（元素侧））%>%
分组依据（`Scientific Name`，pComplete，ELEMENT）%>%
计数（元素侧）%>%
解组（）%>%
选择（`Scientific Name`，元素侧，MNE=n）

数据如下：

我得到错误：select中出错（，

学名

，元素侧，MNE=n）： 未使用的参数（

学名

，元素侧，MNE=n）

总目（数据）

A tibble:6 x 55 BONEID FULLID CONTEXTNO sitecode

单元号

恢复位置…恢复方法…恢复上下文SAMPLENO分类群

大小类

物种
1 1 BS001…BS001-NA BS001 NA地面手动采集hc NA 1头奶牛…四级奶牛
2 2 BS001…BS001-NA BS001 NA地面手动采集hc NA 1头奶牛…四级奶牛
3 3 BS001…BS001-NA BS001 NA地面手动收集hc NA 1毫米…三级清管器？
4 4 BS001…BS001-NA BS001 NA地面手动采集hc NA 1头奶牛…四级奶牛
5 5 BS001…BS001-NA BS001 NA地面手动采集hc NA 1头奶牛…四级奶牛
6 6 BS001…BS001-NA BS001 NA地面手动采集hc NA 1头奶牛…四级奶牛

…还有42个变量：

通用名

，

学名

，

元素代码

，元素，计数， 重量，

完成百分比

，百分比，状况，侧面，

区域总数

，PROXFUS， 距离、年龄、修改、纹理、清晰度、

火蚀变化、范围、，
屠宰场，
屠宰场类型
，屠宰场类型，
屠宰场位置
，
屠宰场描述
，注释，
1区
，
2区
，
3区
，
4区
，
5区
，
6区
，
7区
，
8区
，
第9区
，A、B、C、D、E、F、G、H
你能再给我澄清一下这个问题吗？你的代码运行正常。当我运行它时，它不会创建元素侧或pComplete，因此它以错误结束：select中的错误（，
科学名称
，元素侧，MNE=n）：未使用的参数（
科学名称
，元素侧，MNE=n）你能在这里放一个数据集示例吗？在工作时也不能访问google drive，有时发生此错误是因为
select
被其他库屏蔽。试着运行
select这是我在堆栈交换上的第一个问题，所以我仍然在学习如何最好地发布我的问题并添加数据。我试着编辑它以包含上面的头部（数据）
completeness_MNE <- data %>% 
  filter(is.na(`Zone 1`) & is.na(`Zone 2`) & is.na(`Zone 3`) & is.na(`Zone 4`) & is.na(`Zone 5`) & is.na(`Zone 6`) & is.na(`Zone 7`) & is.na(`Zone 8`) & is.na(`Zone 9`)) %>% #added this line
  mutate(pComplete = case_when(PERCENT < 50 ~ "Incomplete",
                               PERCENT >= 50 ~ "Complete")) %>%
  filter(pComplete == "Complete") %>%
  filter(SIDE %in% c("axial", "both", "left", "right")) %>%
  mutate(Element_Side = paste(ELEMENT, SIDE)) %>%
  group_by(`Scientific Name`, pComplete, ELEMENT) %>%
  count(Element_Side) %>%
  ungroup() %>%
  select(`Scientific Name`, Element_Side, MNE = n)