在R中使用across()、where()和replace_na()处理整数列时失效问题

原来能正常运行的代码 #

library(tidyverse)
library(palmerpenguins)
penguins %>%
  mutate(across(where(is.double), ~ replace_na(.x, mean(.x, na.rm = TRUE))),
         across(where(is.factor), ~ replace_na(.x, levels(.x)[1])))

添加整数列处理后报错的代码 #

penguins %>%
  mutate(across(where(is.double), ~ replace_na(.x, mean(.x, na.rm = TRUE))),
         across(where(is.factor), ~ replace_na(.x, levels(.x)[1])),
         across(where(is.integer),~ replace_na(.x, mean(.x, na.rm = TRUE))))

失效原因 #

1. penguins数据集无整数类型列：用str(penguins)查看就能发现，这个数据集的所有数值列都是double类型，根本没有integer类型的列。across(where(is.integer))匹配不到任何列，但这不是报错的核心原因。
2. 数值类型不匹配报错：就算你的数据集里有整数列，mean()计算整数向量的均值会返回带小数的double类型，直接用replace_na()把这个值替换进整数列时，R会抛出错误——因为整数列只能存储整数，无法容纳带小数点的数值。

解决办法 #

如果是处理其他包含整数列的数据集，需要把均值强制转换为整数类型，比如用as.integer()或者round()：

# 处理整数列时将均值转为整数类型
penguins %>%
  mutate(across(where(is.double), ~ replace_na(.x, mean(.x, na.rm = TRUE))),
         across(where(is.factor), ~ replace_na(.x, levels(.x)[1])),
         across(where(is.integer),~ replace_na(.x, as.integer(mean(.x, na.rm = TRUE)))))

如果只是针对penguins数据集，直接删除那行处理整数列的语句即可，毕竟这个数据集里根本没有整数类型的列。

内容的提问来源于stack exchange，提问作者Laura