如何用R的dplyr::mutate合并两列分组并修正case_when逻辑错误

数据背景 #

因数据录入问题，需将两列相似分组数据合并为一列，将原3组+NA的结构简化为2组+NA。给定数据示例如下：

x <- data.frame(
  a= c("Group 1", "Group 2", "Group 1", NA, "Group 1",NA, "Group 3", "Group 3"),
  b= c("Group 1", NA, NA, "Group 2", "Group 1", NA, NA, "Group 3")
)
x

期望的分组映射规则 #

• Group 1 + Group 1 = Group 1
• Group 2 + NA = Group 2
• Group 1 + NA = Group 1
• NA + NA = NA
• Group 3 + NA = Group 1
• Group 3 + Group 3 = Unknown

错误代码及异常结果 #

使用以下case_when代码处理时出现错误：

x |> 
  dplyr::mutate(Group = case_when(a == c("Group 1")|b == c("Group 1") ~ "Group 1",
                                  a == c("Group 2")|b == c("NA") ~ "Group 2",
                                  a == c("Group 1")|b == c("NA") ~ "Group 2",
                                  a == c("NA")|b == c("NA") ~ NA,
                                  a == c("Group 3")|b == c("NA") ~ "Group 1",
                                  a == c("Group 3")|b == c("Group 3") ~ "Unknown",
  ))

运行后结果不符合预期：Group 3 + Group 3被错误归类为Group1，Group3+NA被归为Unknown

问题分析与修正方案 #

错误原因 #

1. NA匹配方式错误：代码中用b == "NA"是匹配字符串"NA"，而非R中的缺失值NA，正确判断缺失值应使用is.na()函数。
2. 规则顺序错误：case_when按从上到下顺序匹配规则，一旦满足前置规则就返回结果，不会再检查后续规则。原代码中部分规则顺序颠倒，导致特殊情况被错误匹配。
3. 规则逻辑错误：第三条规则a == "Group 1"|b == "NA" ~ "Group 2"完全违背需求，Group1+NA应映射为Group1而非Group2。
4. 冗余语法：a == c("Group 1")中的c()属于冗余写法，直接使用a == "Group 1"即可。

修正后的代码 #

library(dplyr)

x |> 
  mutate(Group = case_when(
    # 优先匹配特殊规则：Group3+Group3
    a == "Group 3" & b == "Group 3" ~ "Unknown",
    # 匹配所有应归为Group1的情况
    (a == "Group 1" | b == "Group 1") | (a == "Group 3" & is.na(b)) ~ "Group 1",
    # 匹配Group2+NA的情况
    a == "Group 2" & is.na(b) ~ "Group 2",
    # 匹配NA+NA的情况
    is.na(a) & is.na(b) ~ NA_character_,
    # 处理未覆盖的边缘情况（如NA+Group2），可根据实际需求调整
    TRUE ~ NA_character_
  ))

验证结果 #

运行修正后的代码，得到符合预期的结果：

a        b    Group
1 Group 1 Group 1 Group 1
2 Group 2     NA Group 2
3 Group 1     NA Group 1
4    NA Group 2    <NA>
5 Group 1 Group 1 Group 1
6    NA     NA    <NA>
7 Group 3     NA Group 1
8 Group 3 Group 3  Unknown

额外说明 #

若需覆盖更多组合（如原数据中第4行的NA+Group2），可在Group2的规则中补充逻辑，例如：

(a == "Group 2" & is.na(b)) | (is.na(a) & b == "Group 2") ~ "Group 2"

内容的提问来源于stack exchange，提问作者Jack