基于多列条件筛选数据框行并赋值的dplyr实现问题

问题分析 #

你当前的代码存在两个核心问题：

1. case_when语法错误：第二个分支B ~ NA不是合法的逻辑判断条件，case_when要求每个分支必须是布尔值条件 + 结果值的结构；同时直接用NA会导致类型不匹配（"something"是字符型，默认NA为逻辑型）。
2. 未实现分组处理：你仅筛选了单个A取值的行，但需求是每个A分组下标记B最大的行，因此需要用group_by(A)来分组计算最大值。

解决方案 #

方案1：分组后标记每个组的B最大值行

这是最直接的实现方式，针对每个A分组计算B的最大值，匹配后赋值：

library(dplyr)

# 示例数据
A <- factor(c("19/09/2022", "19/09/2022", "19/09/2022", "20/09/2022", "20/09/2022", "20/09/2022", "21/09/2022", "21/09/2022", "21/09/2022", "22/09/2022", "22/09/2022", "22/09/2022"))
B <- c(0.1781223, 3.3488114,  4.1476595,  5.8611553, 10.9773307, 16.9890155, 24.0428161, 35.1776457, 40.4551331, 49.5663783, 63.9132875, 64.6766946)
df <- data.frame(A, B)

# 分组标记最大值行
df <- df %>%
  group_by(A) %>%
  mutate(C = case_when(
    B == max(B, na.rm = TRUE) ~ "something",
    TRUE ~ NA_character_  # 统一用字符型NA避免类型冲突
  )) %>%
  ungroup()  # 取消分组恢复普通数据框

方案2：用rank函数避免浮点精度误差

如果B是浮点型数据，直接用==匹配最大值可能存在精度问题，此时可以用rank函数标记排名第一的行：

df <- df %>%
  group_by(A) %>%
  mutate(C = case_when(
    rank(desc(B), ties.method = "first") == 1 ~ "something",
    TRUE ~ NA_character_
  )) %>%
  ungroup()

针对单个A取值的特殊处理

如果你只想针对特定A值（比如仅"19/09/2022"）标记最大值行，可以不用分组，直接在case_when里限定条件：

df <- df %>%
  mutate(C = case_when(
    A == "19/09/2022" & B == max(B[A == "19/09/2022"], na.rm = TRUE) ~ "something",
    TRUE ~ NA_character_
  ))

错误代码修正说明 #

你原代码可以修改为以下形式（针对单个A取值的场景）：

df %>%  
  filter(A == "19/09/2022") %>% 
  mutate(C = case_when(
    B == max(B, na.rm = T) ~ "something",
    TRUE ~ NA_character_  # 替换原错误的B ~ NA
  ))

内容的提问来源于stack exchange，提问作者Kent0603