你的代码有几个问题。首先，你有两个任务在你的管道中：

cleaned <- data_raw %>% 
         fdaten_bereinigt <- rohdaten_basis %>% 
    # ...

我假设这是个错误否则，你想干什么就不清楚了
第二，filter() * 保留满足条件的值，并删除其他所有值。因此，当前第一个filter() * 只保留所有值都为9的行。然后，第二个filter()只查找所有值都为1的行-其中没有行，因为这些行已在上一步中删除-因此，您将得到一个空 Dataframe 。
要获得您想要的结果，请使用!()对条件求反：

library(dplyr)

fdaten_bereinigt <- rohdaten_basis %>% 
  filter(!(sociald_ties_strong == 9 & sociald_ties_weak == 9 & sociald_ties_secondorder == 9 & sociald_identity_lifestyle == 9 & sociald_identity_politics == 9 & sociald_vertical_socialcapital == 9 & sociald_vertical_networkcapital == 9))  %>%
  # ...

第三，使用dplyr::if_all()可以更简洁地完成此操作：

fdaten_bereinigt <- rohdaten_basis %>% 
  filter(
    !if_all(sociald_ties_strong:sociald_vertical_networkcapital, \(x) x == 9),
    !if_all(sociald_ties_strong:sociald_vertical_networkcapital, \(x) x == 1)
 )

你可以创建一个你想要检查的变量向量，然后使用filter(if_all(all_of(VECTOR), ~.x != 1) & if_all(all_of(VECTOR), ~.x != 9))

qs <- c("A", "B", "C")

dat <- data.frame("A" = 1:9,
                  "B" = 1:9,
                  "C" = 1:9)
  A B C
1 1 1 1
2 2 2 2
3 3 3 3
4 4 4 4
5 5 5 5
6 6 6 6
7 7 7 7
8 8 8 8
9 9 9 9

dat |> 
  filter(if_all(all_of(qs), ~.x != 1) & if_all(all_of(qs), ~.x != 9))
  A B C
1 2 2 2
2 3 3 3
3 4 4 4
4 5 5 5
5 6 6 6
6 7 7 7
7 8 8 8

当很难弄清楚在dplyr中要做什么时，通常将数据重新塑造成不同的形式会更容易。
可以使用pivot_longer将数据放入长格式：

dat <- data.frame("A" = 1:9,
                  "B" = 1:9,
                  "C" = 1:9)

dat_long <- 
dat %>% 
    mutate(id = row_number()) %>% 
    pivot_longer(
        cols = c(A, B, C),
        names_to = 'column',
        values_to = 'value'
    )

> dat_long
# A tibble: 27 × 3
      id column value
   <int> <chr>  <int>
 1     1 A          1
 2     1 B          1
 3     1 C          1
 4     2 A          2
 5     2 B          2
 6     2 C          2
 7     3 A          3
 8     3 B          3
 9     3 C          3
10     4 A          4
# … with 17 more rows

现在，通过group by和filter，它变得相当简单：

dat_filtered <- 
dat_long %>% 
    group_by(id) %>% 
    filter(!all(value == 1)) %>% 
    filter(!all(value == 9))

> dat_filtered
# A tibble: 21 × 3
# Groups:   id [7]
      id column value
   <int> <chr>  <int>
 1     2 A          2
 2     2 B          2
 3     2 C          2
 4     3 A          3
 5     3 B          3
 6     3 C          3
 7     4 A          4
 8     4 B          4
 9     4 C          4
10     5 A          5
# … with 11 more rows

最后，您可以将数据移回原始表单：

dat_filtered %>% 
    pivot_wider(
        names_from = column,
        values_from = value
    )

 A tibble: 7 × 4
# Groups:   id [7]
     id     A     B     C
  <int> <int> <int> <int>
1     2     2     2     2
2     3     3     3     3
3     4     4     4     4
4     5     5     5     5
5     6     6     6     6
6     7     7     7     7
7     8     8     8     8