使用case_when按类别值占比替换数据框国家名称的问题排查

原代码的核心错误 #

• 逻辑运算符误用：用|（逻辑或）替代了&（逻辑与），导致只要是亚洲/欧洲国家就会被替换，完全忽略了占比条件。
• 阈值数值错误：需求是10%（0.1），但代码中写的是0.01（1%），不符合要求。
• 缺少保留原国家的分支：没有设置占比达标时保留原country的逻辑，所有行都被匹配到替换条件。

修正后的代码 #

library(dplyr)

df_trial <- df %>%
  group_by(category) %>%
  mutate(
    # 计算当前国家value在该category中的占比
    prop = value / sum(value, na.rm = TRUE),
    country = case_when(
      # 亚洲国家且占比<10%，替换为Other Asian countries
      continent == 'Asia' & prop < 0.1 ~ 'Other Asian countries',
      # 欧洲国家且占比<10%，替换为Other European countries
      continent == 'Europe' & prop < 0.1 ~ 'Other European countries',
      # 占比达标时保留原国家名称
      TRUE ~ country
    )
  ) %>%
  # 可选：如果不需要prop列，可以移除
  select(-prop)

验证结果 #

运行后查看df_trial，会得到符合预期的结果：

• CHN（value=10）在每个category的占比约37.17%，≥10%，保留原名称。
• LAO（value=0.9）占比约3.35%，<10%，替换为Other Asian countries。
• GBR（value=15）占比约55.76%，≥10%，保留原名称。
• DEU（value=1）占比约3.72%，<10%，替换为Other European countries。

内容的提问来源于stack exchange，提问作者msug