dplyr生成新列遇NA值及分类错误问题求助

• 现有包含300+条记录的动物观测数据框，涵盖鲸类、海豚、鳍足类、企鹅，需新增reino列，规则为：鲸类对应misticeto，海豚对应odontoceto，鳍足类对应pinipede，企鹅对应penguin。
• 初始代码运行后出现警告Unknown or uninitialised column: reino，且存在以下异常：
  • 鲸类Ballena franca austral (Eubalaena australis)的reino值为NA
  • 海豚Delfín oscuro (Lagenorhynchus obscurus)、企鹅Pingüino rey (Aptenodytes patagonicus)被错误归类到misticeto，且该海豚未出现在odontoceto分类中
  • 尝试left_join、case_match均未解决问题，使用case_when时数据框被意外转换为formula类型

1. 初始赋值的警告与NA问题：直接通过dt$reino[条件] <- 值赋值时，reino列未预先初始化，触发警告；同时物种名字符串存在格式差异（如括号前后空格不一致），导致精准匹配失败，出现NA。
2. 分类错误原因：部分物种名格式不统一（如Ballena barbada no identificada(Parvorden Mysticeti)与Ballena barbada no identificada (Parvorden Mysticeti)），初始精准匹配逻辑无法覆盖所有情况；case_when代码存在语法错误（最后一个条件括号位置错误）与拼写错误（pinguin应为penguin），导致运行异常。
3. left_join/case_match失效：两种方法仅处理了单个或少量物种，未覆盖全部分类规则。

方法1：data.table原生实现（适合大数据量） #

先初始化列，用模糊匹配规避字符串格式问题：

library(data.table)
library(stringr)

# 初始化reino列，消除警告
dt[, reino := NA_character_]

# 按分类规则赋值，用模糊匹配覆盖格式差异
dt[especie %like% "Ballena", reino := "misticeto"]          # 鲸类
dt[especie %like% "Delfín|Tonina", reino := "odontoceto"]   # 海豚
dt[especie %like% "Lobo marino", reino := "pinipede"]       # 鳍足类
dt[especie %like% "Pingüino", reino := "penguin"]           # 企鹅

# 特殊处理Cormorán Imperial（不属于目标分类，设为NA）
dt[especie == "Cormorán Imperial (Phalacrocorax albiventer)", reino := NA_character_]

方法2：修正后的dplyr case_when实现 #

修正语法错误，用模糊匹配提升稳健性：

library(dplyr)
library(stringr)

dt <- dt %>%
  mutate(reino = case_when(
    str_detect(especie, "Ballena") ~ "misticeto",
    str_detect(especie, "Delfín|Tonina") ~ "odontoceto",
    str_detect(especie, "Lobo marino") ~ "pinipede",
    str_detect(especie, "Pingüino") ~ "penguin",
    TRUE ~ NA_character_  # 未匹配的物种设为NA
  ))

额外优化：统一物种名格式（如需精准匹配） #

若必须用精准匹配，先清理字符串格式：

# 移除括号前后多余空格，统一格式
dt[, especie := str_replace_all(especie, "\\s*\\(|\\)\\s*", "\\(")]
# 或统一所有连续空格为单个空格
dt[, especie := str_squish(especie)]

验证结果 #

运行以下代码检查分类是否正确：

# 检查鲸类分类
table(filter(dt, reino == "misticeto")$especie)
# 检查海豚分类
table(filter(dt, reino == "odontoceto")$especie)

内容的提问来源于stack exchange，提问作者Érika Soares Coelho