R语言为data.frame数据分配girth类别时出现错误求助

问题背景 #

使用以下R代码读取CSV文件后，尝试通过循环根据girth字段的值为每行分配对应的g.class类别：

coupe=data.frame(read.csv(file.choose()))

# 根据胸径（girth）划分等级，用于后续价值计算
coupe$g.class = NA

for (i in 1:(nrow(coupe))) {
  if (coupe$girth[i] < 60) {
    coupe$g.class[i] = 0.25
  } else if (coupe$girth[i] < 89) {
    coupe$g.class[i] = 0.5
  } else if (coupe$girth[i] < 119) {
    coupe$g.class[i] = 1
  } else if (coupe$girth[i] < 149) {
    coupe$g.class[i] = 2
  } else if (coupe$girth[i] < 179) {
    coupe$g.class[i] = 4
  } else if (coupe$girth[i] < Inf) {
    coupe$g.class[i] = 6
  }
}

运行时出现错误：

Error in if (coupe$girth[i] < 60) { : missing value where TRUE/FALSE needed

该代码在另一数据集上可正常运行，数据样图显示CSV表格包含girth等字段，部分行的girth列存在空白或异常值。

错误原因 #

• girth字段存在缺失值（NA）：当循环遍历到girth为NA的行时，coupe$girth[i] < 60的运算结果为NA，而if语句要求条件必须是TRUE或FALSE，无法识别NA，因此触发报错。
• girth字段数据类型错误：如果CSV中girth列包含非数值字符（比如空格、文本），read.csv可能会将该列识别为字符型，字符与数值比较会返回NA，同样导致if语句报错。

解决方案 #

方案1：修复循环代码，处理NA值和数据类型 #

先检查并转换数据类型，同时在循环中加入NA判断：

# 先将girth转换为数值型，无法转换的会变成NA
coupe$girth <- as.numeric(coupe$girth)

coupe$g.class = NA

for (i in 1:(nrow(coupe))) {
  # 先判断是否为NA，是则保留NA或自定义标记
  if (is.na(coupe$girth[i])) {
    coupe$g.class[i] = NA
  } else if (coupe$girth[i] < 60) {
    coupe$g.class[i] = 0.25
  } else if (coupe$girth[i] < 89) {
    coupe$g.class[i] = 0.5
  } else if (coupe$girth[i] < 119) {
    coupe$g.class[i] = 1
  } else if (coupe$girth[i] < 149) {
    coupe$g.class[i] = 2
  } else if (coupe$girth[i] < 179) {
    coupe$g.class[i] = 4
  } else {
    coupe$g.class[i] = 6
  }
}

方案2：使用向量化函数cut替代循环（更高效） #

R中推荐用向量化操作替代循环，cut函数可以直接根据区间划分等级，自动处理NA：

# 先转换数据类型
coupe$girth <- as.numeric(coupe$girth)

# 定义区间和对应的值
breaks <- c(-Inf, 60, 89, 119, 149, 179, Inf)
values <- c(0.25, 0.5, 1, 2, 4, 6)

# 划分等级
coupe$g.class <- cut(coupe$girth, breaks = breaks, labels = values, include.lowest = TRUE)
# 如果需要将结果转为数值型
coupe$g.class <- as.numeric(as.character(coupe$g.class))

内容的提问来源于stack exchange，提问作者Anurag Mishra