dplyr调用自定义函数结果异常：与外部计算结果不符的问题排查

问题原因 #

你的log_div_mean函数设计为接收单个customer ID和整个数据集，通过索引提取对应行的变量值。但在mutate中调用时，传入的是整个customer列（向量），导致函数内部的索引操作是基于整个向量而非逐行处理：

• data$frequency[customer]会提取所有customer对应的frequency值（即c(30,32,36)），而非当前行的单个值
• max(data$frequency[customer], 1)取的是所有frequency的最大值（36），而非当前行frequency与1的最大值
• 最终计算逻辑偏离了"逐行使用当前行变量"的预期，导致所有行结果错误，且复用了最后一个customer的索引逻辑带来的错误值

解决方案 #

方案1：使用rowwise()逐行处理 #

通过rowwise()让dplyr对每行单独调用函数，此时传入的customer是单个值，符合函数原本的设计逻辑：

data3 %>% 
  rowwise() %>% 
  mutate(exp_purch = log_div_mean(customer, data3)) %>%
  ungroup() # 处理完取消rowwise状态，避免后续操作性能问题

方案2：重写为向量化函数（推荐） #

更符合dplyr向量化操作的最佳实践，直接接收列向量参数，逐行计算，无需依赖customer索引：

# 重写向量化函数
log_div_mean_vec <- function(frequency, recency, T_val) {
  log_div_ <- (r + frequency) * 
    log((alpha + T_val) / (alpha + recency)) +
    log(a / (b + pmax(frequency, 1) - 1)) # pmax是向量化的max，逐行计算
  xd <- plogis(log_div_) # plogis等价于1/(1+exp(-x))，更简洁高效
  return(xd)
}

# 调用方式
data3 %>% mutate(exp_purch = log_div_mean_vec(frequency, recency, T))

验证 #

执行你提供的外部计算代码（customer=2），结果会与修改后mutate生成的第二行exp_purch值完全一致，说明问题已解决。

内容的提问来源于stack exchange，提问作者Nip