dplyr::case_match处理缺失值的行为疑惑及改进建议

核心差异：case_match vs case_when #

case_match和case_when的设计逻辑完全不同：

• case_when是条件判断分支，每个分支的左侧是返回布尔值的逻辑表达式（比如is.na(var1)），只要条件为TRUE就执行对应的替换。这也是你用它能成功的原因。
• case_match是精确值匹配，每个分支的左侧是要匹配的具体值，它会将输入变量的每个元素和左侧值做逐一比对，匹配成功才替换。

为什么is.na(var1)~9不生效？ #

当你写is.na(var1)~9时，左侧的is.na(var1)会生成一个布尔向量（FALSE, FALSE, TRUE, ...），而你的原变量是数值+NA的类型，布尔值和数值/NA无法匹配，所以这个分支相当于完全没触发，自然不会替换NA为9。而直接写NA~9时，是直接匹配原变量中的NA值，所以能正确替换。

across()中的同理问题 #

在across里使用case_match时，is.na(x)~9的逻辑和单个变量时一致：左侧生成布尔值，和原变量的数值/NA不匹配，导致分支无效。必须用NA~9来直接匹配缺失值。

为什么没有警告/错误？ #

dplyr默认不会对case_match中不匹配的分支触发警告或错误，因为这种写法在某些场景下是合理的（比如故意只匹配特定值，其余保留原样）。如果需要检测这类无效分支，可以添加.warn_missing = TRUE参数，当某个分支没有匹配到任何值时，会抛出警告：

case_match(var1,
           1 ~ 1,
           2 ~ 0,
           is.na(var1) ~ 9,
           .default = var1,
           .warn_missing = TRUE)

运行后会收到类似No matches for is.na(var1)的警告，提示你这个分支未生效。

正确写法示例 #

单个变量处理

library(dplyr)

df <- tibble(var1 = c(1, 2, NA, 1, NA))

df %>%
  mutate(var1_clean = case_match(var1,
                                 1 ~ 1,
                                 2 ~ 0,
                                 NA ~ 9))

结合across处理多变量

df <- tibble(var1 = c(1, 2, NA), var2 = c(NA, 1, 2))

df %>%
  mutate(across(c(var1, var2), ~ case_match(.x,
                                            1 ~ 1,
                                            2 ~ 0,
                                            NA ~ 9)))

内容的提问来源于stack exchange，提问作者user167591