问题背景与报错信息 #

我最近遇到了一个奇怪的问题：两个结构完全一致的R数据集，用几乎一样的分组汇总代码处理，其中一个正常运行，另一个却报错了。报错内容如下：

Error in `mutate()`:
ℹ In argument: `rel_hedge_booster_score = paste(breaks[-length(breaks)], breaks[-1], sep = " to ")`.
Caused by error:
! `rel_hedge_booster_score` must be size 11 or 1, not 10.

这两个数据集分别是aus_pol_data（代码能正常运行）和cas_uk_data（触发上述报错）。它们的结构完全对齐：所有列名、变量类型一一对应，仅具体数值不同。其中关键列rel_hedge_booster_score是范围在-100到100的数值型变量，两个数据集都包含该范围内的连续值以及-100、100本身。

代码对比与问题定位 #

首先我在全局定义了分组断点：

breaks <<- seq(-100, 100, by = 20)

能正常运行的代码（处理aus_pol_data） #

df_aus_pol_karma <<- aus_pol_data %>%
  mutate(range_label = cut(rel_hedge_booster_score, breaks = breaks, labels = FALSE, right = FALSE)) %>%
  group_by(range_label) %>%
  summarize(
    num_data_points = n(),
    median_karma_score = median(karma_score),
    mean_karma_score = mean(karma_score),
    karma_scores = list(karma_score)
  ) %>%
  mutate(rel_hedge_booster_score = paste(breaks[-length(breaks)], breaks[-1], sep = " to ")) %>%
  select(rel_hedge_booster_score, num_data_points, median_karma_score, mean_karma_score)

这段代码能生成我需要的结果，分组逻辑正常。

触发报错的代码（处理cas_uk_data） #

df_cas_uk_karma <<- cas_uk_data %>%
  mutate(range_label = cut(rel_hedge_booster_score, breaks = breaks, labels = FALSE, right = FALSE)) %>%
  group_by(range_label) %>%
  summarize(
    num_data_points = n(),
    median_karma_score = median(karma_score),
    mean_karma_score = mean(karma_score),
    karma_scores = list(karma_score)
  ) %>%
  mutate(rel_hedge_booster_score = paste(breaks[-length(breaks)], breaks[-1], sep = " to ")) %>%
  select(rel_hedge_booster_score, num_data_points, median_karma_score, mean_karma_score)

两段代码仅数据集名称不同，但这段在执行mutate(rel_hedge_booster_score = ...)时触发了长度不匹配的报错。

分步调试后我发现两个关键点：

• cas_uk_data经过group_by+summarize后，结果比aus_pol_data多一行（11行 vs 10行）
• 同时分组标签显示异常（比如出现“0 to 20”这类不符合预期的范围），不过数据总数是正确的，只是标签显示有问题

已解决的方案 #

后来我调整了代码逻辑，彻底解决了问题，修改后的代码如下：

df_cas_uk_karma_table_data <<- cas_uk_data %>%
  mutate(rel_hedge_booster_score = cut(rel_hedge_booster_score, breaks = breaks, labels = paste(breaks[-length(breaks)], breaks[-1], sep = " to "), right = FALSE)) %>%
  group_by(rel_hedge_booster_score) %>%
  summarize(
    num_data_points = n(),
    median_karma_score = median(karma_score),
    mean_karma_score = mean(karma_score),
    karma_scores = list(karma_score)
  ) %>%
  select(rel_hedge_booster_score, num_data_points, median_karma_score, mean_karma_score)

核心修改是：直接在cut函数中生成对应的范围标签，而不是先生成数字型的range_label再后续手动拼接标签。这样group_by时直接使用正确的范围标签，避免了后续手动匹配长度时出现的不兼容问题。

备注：内容来源于stack exchange，提问作者Sikamixoticelixer