使用if_else条件无法规避min函数的“no non-missing arguments to min; returning Inf”警告问题排查

问题原因 #

你遇到的问题核心是if_else()的工作机制：它是向量化的条件函数，会先完整计算true和false两个分支的所有表达式，再根据条件选择对应结果。也就是说，哪怕你指定了group == 1才执行min()，处理group=2的分组时，那个min(x[x %in% ...], na.rm=TRUE)的代码依然会被执行一遍。而group2里没有符合筛选条件的元素，x[x %in% c(998,9991,9992)]会变成空向量，此时调用min(空向量, na.rm=TRUE)就会触发你看到的警告。

解决方案 #

下面给你几种可行的修改方式，都能避免警告且得到预期结果：

方法1：用标量if替代向量化if_else

因为我们是按group分组的，每个分组内的group值是唯一的标量，所以可以用普通的if()（标量条件判断）来替代if_else()。这样只有当条件为真时，min()的代码才会被执行：

library(tidyverse)
df %>% 
  group_by(group) %>% 
  mutate(test = if (group == 1) min(x[x %in% c(998, 9991, 9992)], na.rm = TRUE) else NA_real_)

方法2：提前判断筛选后的向量是否为空

如果坚持要用向量化的if_else，可以在min的表达式里先检查筛选后的向量是否有元素，没有的话直接返回NA，避免调用空向量的min：

df %>% 
  group_by(group) %>% 
  mutate(test = if_else(group == 1, 
                        ifelse(length(x[x %in% c(998, 9991, 9992)]) > 0, 
                               min(x[x %in% c(998, 9991, 9992)], na.rm = TRUE), 
                               NA_real_), 
                        NA_real_))

方法3：先汇总再关联（更清晰的逻辑）

另一种更清晰的思路是先单独计算每个分组的目标值，再把结果关联回原数据框。这种方法把分组计算和数据合并分开，可读性和维护性更好：

# 第一步：计算每个group的目标最小值
summary_df <- df %>%
  group_by(group) %>%
  summarize(test = if (any(x %in% c(998, 9991, 9992))) {
    min(x[x %in% c(998, 9991, 9992)], na.rm = TRUE)
  } else {
    NA_real_
  })

# 第二步：关联回原数据
df %>%
  left_join(summary_df, by = "group")

以上三种方法都能得到你预期的输出结果，且不会触发任何警告。

内容的提问来源于stack exchange，提问作者deschen