在函数中结合for循环与dplyr的mutate和case_match遇异常

尝试自定义函数，通过传入存储替换规则的数据框，用dplyr的mutate+case_match实现自动化文本替换。硬编码匹配规则时能得到正确结果，但用for循环动态生成规则后，新列值与原列完全一致，替换未生效。

正确的无循环代码示例 #

dftest <- data.frame(old = c("ones","twos","fours","fives"), new = c("Humanoid",
"Hairy","Hairy","what"))
test1 <- data.frame(spp= c("ones", "twos", "threes"), log = c(5,61,36))

updnames <- function(df, col, names_df) {
    require(dplyr)
    if(ncol(names_df)>2)
    {stop("More than 2 columns in names dataframe")}
    if(sum(duplicated(names_df[1]))>0)
    {stop("Duplicate old species names")}
    else
    {
        names_df <- names_df %>% mutate_all(as.character)
        df <- df %>%
                mutate(updnames = case_match({{col}},
                    names_df[1,1] ~ names_df[1,2],
                    names_df[2,1] ~ names_df[2,2],
                    names_df[3,1] ~ names_df[3,2],
                    names_df[4,1] ~ names_df[4,2],
                    .default = {{col}}))}
    return(df)
}

test2 <- updnames(test1, spp,dftest)

# 正确输出
#      spp log updnames
# 1   ones   5 Humanoid
# 2   twos  61    Hairy
# 3 threes  36   threes

错误的循环代码示例 #

updnames <- function(df, col, names_df) {
  require(dplyr)
  if(ncol(names_df)>2)
  {stop("More than 2 columns in names dataframe")}
  if(sum(duplicated(names_df[1]))>0)
  {stop("Duplicate old species names")}
  else
  {
  names_df <- names_df %>% mutate_all(as.character)
  for(i in 1:nrow(names_df)){
    df <- df %>%
  mutate(updnames = case_match({{col}},
      names_df[i,1] ~ names_df[i,2],
      .default = {{col}}))}
  }
  return(df)
}

test2 <- updnames(test1, spp, dftest)

# 错误输出
#      spp log updnames
# 1   ones   5     ones
# 2   twos  61     twos
# 3 threes  36   threes

问题原因 #

原循环代码的核心问题是每次迭代都会基于原始列重新生成updnames，前一次循环的替换结果会被后一次覆盖。最后一次循环处理的是fives→what，而测试数据中没有fives，因此最终updnames完全等于原列值，所有之前的替换操作都被清零。

解决方案 #

方案1：动态构建case_match的匹配规则 #

利用rlang包的非标准求值工具，动态生成所有匹配规则，无需循环：

library(dplyr)
library(rlang)

updnames <- function(df, col, names_df) {
  if(ncol(names_df) > 2) {
    stop("替换规则数据框不能超过2列")
  }
  if(any(duplicated(names_df[[1]]))) {
    stop("替换规则中的旧名称存在重复")
  }
  
  names_df <- names_df %>% mutate_all(as.character)
  
  # 遍历替换规则，生成case_match需要的表达式
  match_pairs <- pmap(names_df, ~ expr(!!sym(..1) ~ !!..2))
  
  df %>%
    mutate(updnames = case_match({{col}},
                                 !!!match_pairs, # 拼接所有匹配规则
                                 .default = {{col}}))
}

# 测试
test2 <- updnames(test1, spp, dftest)
test2

方案2：用左连接实现替换（更简洁高效） #

放弃case_match，改用left_join结合coalesce，逻辑更清晰，性能更优：

library(dplyr)

updnames <- function(df, col, names_df) {
  if(ncol(names_df) > 2) {
    stop("替换规则数据框不能超过2列")
  }
  if(any(duplicated(names_df[[1]]))) {
    stop("替换规则中的旧名称存在重复")
  }
  
  names_df <- names_df %>% mutate_all(as.character)
  # 统一替换规则的列名，方便连接
  colnames(names_df) <- c("target", "new_val")
  
  df %>%
    # 按目标列和替换规则的旧名称连接
    left_join(names_df, by = setNames("target", as_name(enquo(col)))) %>%
    # 优先取替换后的值，无匹配则保留原值
    mutate(updnames = coalesce(new_val, {{col}})) %>%
    # 移除临时列
    select(-target, -new_val)
}

# 测试
test2 <- updnames(test1, spp, dftest)
test2

内容的提问来源于stack exchange，提问作者Gesler