使用dplyr的mutate across应用检出限函数报错，如何解决？

错误原因 #

你遇到的the condition has length > 1报错，核心问题是你的自定义函数只支持单个值处理，不支持向量输入。dplyr::across会把整列（向量）传给函数，而如果函数里用了if这种只能处理标量条件的语句，当条件返回长度大于1的向量时就会报错。

比如你原来的函数大概率是类似这样的标量版：

# 错误示例：仅支持单个值，不支持向量
half_detection_limit <- function(x) {
  if (startsWith(x, "<")) {
    as.numeric(sub("<", "", x)) / 2
  } else {
    as.numeric(x)
  }
}

修复方案：改成支持向量的函数 #

把函数里的if换成向量化的判断工具（ifelse或dplyr::case_when），让函数能处理整列的向量输入：

方案1：用ifelse实现 #

half_detection_limit <- function(x) {
  # 先统一转成字符型，兼容数值/字符混合的列
  x_char <- as.character(x)
  # 向量化判断：对每个元素分别处理
  ifelse(
    startsWith(x_char, "<"),
    as.numeric(sub("<", "", x_char)) / 2,
    as.numeric(x_char)
  )
}

方案2：用case_when实现（可读性更强） #

half_detection_limit <- function(x) {
  x_char <- as.character(x)
  dplyr::case_when(
    startsWith(x_char, "<") ~ as.numeric(sub("<", "", x_char)) / 2,
    # 其他情况直接转数值
    TRUE ~ as.numeric(x_char)
  )
}

测试运行 #

构造测试数据框验证：

library(dplyr)

test_df <- tibble(
  sample1 = c("<0.05", "0.12", "<0.01", "0.3"),
  sample2 = c("0.08", "<0.02", "0.25", "<0.03")
)

# 用across批量处理所有列
test_df_processed <- test_df %>%
  mutate(across(everything(), half_detection_limit))

print(test_df_processed)

输出结果：

# A tibble: 4 × 2
  sample1 sample2
    <dbl>   <dbl>
1   0.025   0.08
2   0.12    0.01
3   0.005   0.25
4   0.3     0.015

关于mutate_at的疑问 #

不需要改用mutate_at。mutate_at是dplyr 1.0.0版本之前的旧语法，现在官方推荐用across来替代所有_at/_all/_if类的函数。只要修复了函数的向量化问题，用across(everything(), half_detection_limit)完全可以正常工作。

内容的提问来源于stack exchange，提问作者Markm0705