使用case_when时因变量范围含NA/NaN报错的问题排查与解决

问题概述 #

尝试根据整数变量定义的范围，结合模运算结果生成序列时遇到以下问题：

• 在case_when()中触发报错：公式1左侧求值失败，a:b存在NA/NaN参数
• 变量无NA时（如df1），使用dplyr::rowwise()可消除警告；但在含NA的df2中，使用rowwise会报错，不使用反而能得到预期结果

问题原因 #

1. a:b的NA处理缺陷：当a或b为NA时，a:b会直接返回NA，而%in% NA的结果为NA，case_when()会将NA视为不匹配，进而触发报错或不符合预期的判断逻辑。
2. rowwise模式的副作用：rowwise会逐行单独计算，若某行a/b为NA，a:b的NA会直接导致该行计算失败；而默认的向量运算模式下，case_when()会整体处理，NA行不会触发cond == "a1"的条件，直接进入TRUE分支返回0。

优化方案 #

核心思路是先校验a/b的有效性，再用更安全的范围判断函数替代a:b，无需依赖rowwise，效率更高且兼容性更好：

• 用dplyr::between()替代%in% a:b，直接处理数值范围，对NA兼容性更强
• 在条件中明确加入!is.na(a) & !is.na(b)，确保仅当a和b均为有效数值时才进行范围判断

优化后代码示例 #

处理无NA的df1 #

library(dplyr)

df1 <- data.frame(cond = rep(c("a1", NA, "a1", NA), each = 20),
                  a = 1,
                  b = 3,
                  year = rep(1:20, 4),
                  freq = 5)

# 无需rowwise，无警告且结果正确
df1_new <- df1 |>
  mutate(new_var = case_when(
    cond == "a1" & !is.na(a) & !is.na(b) & between(year %% freq, a, b) ~ 1,
    TRUE ~ 0
  ))

处理含NA的df2 #

df2 <- data.frame(cond = rep(c("a1", NA, "a1", NA), each = 20),
                  a = rep(c(1, NA_real_), each = 20),
                  b = rep(c(3, NA_real_), each = 20),
                  year = rep(1:20, 4),
                  freq = 5)

# 无报错，结果符合预期
df2_new <- df2 |>
  mutate(new_var = case_when(
    cond == "a1" & !is.na(a) & !is.na(b) & between(year %% freq, a, b) ~ 1,
    TRUE ~ 0
  ))

预期结果可视化 #

ggplot2::ggplot(df1_new, aes(year, new_var)) +
  ggplot2::geom_col()

内容的提问来源于stack exchange，提问作者Peter