R语言中如何正确处理数据框NA值以实现预期结果？

问题场景 #

我是R语言初学者，手里有带NA值的数据框df1，写了两个自定义函数f_na1和f_na2：

• 用f_na1处理时，NA值会输出size NA chars，符合预期；
• 但用f_na2时直接报错：Error in if (is.na(s_string)) { : the condition has length > 1。

期望效果：NA值替换为_na_，非NA值按字符长度生成size X chars格式的标签。

数据框代码：

s_name      <-c("john","paul","george","ringo","mick","ron")
s_words     <-c("one","two","three",NA,"five","six")
n_units     <-c(3,2,2,4,1,5)
n_price    <-c(12,13,90,21,80,5)
df1 <- data.frame(s_name,s_words,n_units,n_price) 

函数f_na1代码：

f_na1 <- function (s_string) {
  n_len = nchar(s_string)
  s_label = paste("size",n_len,"chars")
  return(s_label)
}

函数f_na2代码：

f_na2 <- function (s_string) {
  if(is.na(s_string)) {
    return("_na_")
  } else {
    n_len = nchar(s_string)
    s_label = paste("size",n_len,"chars")
    return(s_label)
  }
}

错误原因 #

R里的if是标量判断语句，只能处理长度为1的逻辑值。但你给f_na2传的是数据框的列（向量），is.na(s_string)会返回和输入向量长度一致的逻辑向量（比如s_words是长度6的向量，is.na(s_words)会返回c(F,F,F,T,F,F)），这就导致if条件长度大于1，直接报错。

解决方案 #

方案1：用向量化的ifelse改造函数 #

把函数改成支持向量输入的版本，用ifelse替代普通if，因为ifelse是向量化操作，能逐个处理向量里的元素：

f_na_fix <- function(s_string) {
  ifelse(is.na(s_string), 
         "_na_", 
         paste("size", nchar(s_string), "chars"))
}

# 测试：处理s_words列
df1$label <- f_na_fix(df1$s_words)
print(df1$label)
# 输出：
# [1] "size 3 chars" "size 3 chars" "size 5 chars" "_na_"         "size 4 chars" "size 3 chars"

方案2：用Vectorize()包装原函数 #

如果不想改原函数的逻辑，可以用R的Vectorize()把标量函数转换成支持向量输入的函数：

f_na2_vec <- Vectorize(f_na2)

# 测试
df1$label <- f_na2_vec(df1$s_words)
print(df1$label)
# 输出和方案1一致

方案3：用dplyr的case_when（适合tidyverse用户） #

如果你习惯用tidyverse工具链，可以用dplyr::case_when来实现：

library(dplyr)

df1 <- df1 %>%
  mutate(label = case_when(
    is.na(s_words) ~ "_na_",
    TRUE ~ paste("size", nchar(s_words), "chars")
  ))

print(df1$label)

内容的提问来源于stack exchange，提问作者Alejandro Bermúdez