在dplyr::mutate的if_else()块中调用predict()报错问题解析

dplyr::if_else()是向量化的条件函数，它的设计逻辑是处理逐行的判断：

• 当条件是长度为N的逻辑向量时，true和false分支必须返回长度为N的向量（或可自动循环到N的长度）
• 你的代码里，loess_not_lm == TRUE是一个长度为1的标量条件，但predict()返回的是长度为10的拟合值向量，两者长度不匹配，这就触发了报错。

而单独在mutate()里调用predict()时，mutate()会直接把整个向量作为新列赋值，不需要逐行匹配长度，所以能正常运行。

既然你的条件是全局的标量（不是逐行变化的），直接在mutate()里用基础R的if()流程控制语句就行——它会根据条件执行对应代码块，返回完整的拟合值向量：

library(tidyverse)

set.seed(123) # 固定随机数，方便复现结果
df <- tibble(x = seq(1:10), y = 10*x + rnorm(10,0,2))

loess_model <- loess(y ~ x, data = df, span = 0.75)
lm_model <- lm(y ~ x, data = df)

loess_not_lm <- TRUE
df <- df %>% 
  mutate(yhat = if (loess_not_lm) {
    predict(loess_model, newdata = pick(x))
  } else {
    predict(lm_model, newdata = pick(x))
  })

如果你的判断条件是逐行变化的（比如基于数据中某列的逻辑值），可以用case_when()，但这种场景下你可能需要为每行单独拟合模型，通常不是高效的分析方式。

内容的提问来源于stack exchange，提问作者blnk55