如何用dplyr将全为0的分组中的0替换为NA？

正确解决方案 #

直接用dplyr分组结合if/else就能实现需求，代码简洁高效：

library(dplyr)

df <- tibble(key_1 = rep(1:2, each = 4),
             key_2 = rep(letters[1:2], each = 2, times = 2),
             value = c(0, 0, 0, -1, 1, 2, 1, 0))

df |> 
  group_by(key_1, key_2) |> 
  mutate(value = if (all(value == 0)) NA_real_ else value) |> 
  ungroup() # 可选，按需取消分组

运行结果符合预期：

# A tibble: 8 × 3
  key_1 key_2 value
  <int> <chr> <dbl>
1     1 a        NA
2     1 a        NA
3     1 b         0
4     1 b        -1
5     2 a         1
6     2 a         2
7     2 b         1
8     2 b         0

修正你原有的case_when写法 #

你之前的错误源于case_when的规则：每个分支返回的长度必须一致。sum(value != 0) == 0是分组级的单逻辑值，对应返回的NA长度为1，但.default = value是分组内的多行数据（比如分组1a有2行，value长度为2），导致长度不匹配报错。

修正后的case_when写法：

df |> 
  group_by(key_1, key_2) |> 
  mutate(value = case_when(
    all(value == 0) ~ NA_real_, # 用all判断全0更直观，NA_real_匹配数值类型
    .default = value
  ))

这里all(value == 0)直接判断分组是否全为0，NA_real_是数值型NA（和value列类型一致），当条件为真时，它会自动广播到分组的所有行，和.default的value长度匹配。

另一种替代方法：使用replace函数 #

如果习惯用replace，也可以这样实现：

df |> 
  group_by(key_1, key_2) |> 
  mutate(value = replace(value, all(value == 0), NA_real_))

内容的提问来源于stack exchange，提问作者uke