在R Markdown中，如果包含异常值的数据在编译过程中出现问题，可以尝试以下解决方法：

1. 数据预处理：在R代码块中，对异常值进行处理，可以选择删除异常值、替换为缺失值或使用合适的统计方法进行修正。例如，可以使用dplyr包中的filter()函数删除异常值。

library(dplyr)
data <- data %>% filter(variable < upper_bound)

2. 使用try()函数：在R代码块中，使用try()函数将可能引发错误的代码包裹起来，以便在出现错误时继续编译。例如，可以使用tryCatch()函数来捕获异常，并在出现异常时打印错误消息。

result <- tryCatch({
  # 引发异常的代码
}, error = function(e) {
  # 处理异常的代码
  message("Error: ", e$message)
})

3. 设置错误处理选项：在R代码块中，可以使用options()函数设置错误处理选项，以便在编译过程中出现异常时继续进行编译。例如，可以将options(error = recover)设置为在出现错误时进入回溯模式，以便查看错误的详细信息并尝试修复。

options(error = recover)

4. 使用条件语句：在R代码块中，可以使用条件语句来处理异常值。例如，可以使用if语句跳过包含异常值的数据，以免在编译过程中引发错误。

if (!is.na(value)) {
  # 处理正常值的代码
}

通过上述方法，您可以在R Markdown中处理包含异常值的数据并继续进行编译。请根据具体情况选择合适的解决方法。