在R语言分组tibble中使用if_else()的错误排查与解决咨询

需要基于数据集的年份year、客户IDcustomer、工厂IDplant_code，以及主/卫星工厂标识（is_main/is_satellite），为每个客户-年份组合下的卫星工厂分配主工厂ID（若该组存在主工厂），否则保留原工厂ID，新字段命名为plant_code_new。

示例数据集 #

library(tidyverse)

df <- tibble(
 year = c(2021, 2021, 2022, 2022, 2021, 2022, 2021, 2022, 2021, 2021, 2022, 2022, 2021, 2022, 2021, 2022),
 customer = c("A", "A", "A", "A", "B", "B", "C", "C", "D", "D", "D", "D", "E", "E", "E", "E"),
 plant_code = c(1, 2, 1, 2, 3, 3, 4, 4, 5, 6, 5, 6, 7, 7, 8, 8),
 is_main = c(1, 0, 1, 0, 1, 1, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1),
 is_satellite = c(0, 1, 0, 1, 0, 0, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0))

尝试的代码及错误 #

尝试代码 #

df_adj <- df |> 
  group_by(year, customer) |> 
  mutate(grp_size = (n() - sum(is_satellite))) |> 
  mutate(plant_code_new = if_else(condition = rep((n() - sum(is_satellite)) == 1, times = n()),
                                  true = plant_code[is_main == 1],
                                  false = plant_code,
                                  size = n())) 

错误信息 #

Error in mutate():
In argument: plant_code_new = if_else(...).
In group 3: year = 2021, customer = "D".
Caused by error in if_else():
! true must have size 2, not size 0.

问题原因 #

客户D 2021年的分组中，所有工厂都是卫星工厂（is_main全为0），导致plant_code[is_main == 1]返回长度为0的向量。尽管该组的逻辑测试结果为FALSE，但if_else会先校验所有参数的长度是否匹配分组行数（此处为2），无论条件是否触发对应分支，参数长度不匹配就会报错。

解决方案 #

换一种思路：先提取每个客户-年份组的主工厂ID，再通过条件判断替换卫星工厂的ID，避免参数长度不匹配问题：

df_adj <- df |> 
  group_by(year, customer) |> 
  # 提取当前组的主工厂ID，无主工厂则返回NA
  mutate(main_plant = first(plant_code[is_main == 1])) |> 
  # 卫星工厂替换为主工厂ID，其余情况保留原ID
  mutate(plant_code_new = case_when(
    is_satellite == 1 & !is.na(main_plant) ~ main_plant,
    TRUE ~ plant_code
  )) |> 
  ungroup()

结果说明 #

运行后各分组的plant_code_new符合预期：

• 客户A的卫星工厂（plant_code=2）会被替换为主工厂ID 1；
• 客户B、C、D、E的工厂要么是主工厂，要么无对应主工厂，因此保留原plant_code。

内容的提问来源于stack exchange，提问作者Hugo