dplyr中across结合!is.na报错：invalid argument type的原因解析

报错核心原因 #

• is.na是一个函数对象，across的第二个参数可以直接接受函数作为输入，所以across(..., is.na)能正常工作——across会把每一列传入is.na函数处理。
• 但!is.na不是合法的函数引用：R会优先解析!这个逻辑非运算符，尝试对is.na这个函数本身取反。而函数对象不是逻辑值（TRUE/FALSE），所以R会抛出"invalid argument type"错误——因为!只能作用于逻辑类型的对象，不能直接作用于函数。

正确的写法 #

你可以通过以下几种方式实现"判断是否为有效日期"的需求：

1. 使用公式风格的匿名函数（dplyr推荐写法）

df_test %>% mutate(across(colnames(df_test)[3:5], ~!is.na(.x)))

这里的~表示创建一个公式，.x代表across正在处理的当前列，R会自动把这个公式转换为函数，正确地对每一列执行!is.na()判断。

2. 显式定义匿名函数

df_test %>% mutate(across(colnames(df_test)[3:5], function(x) !is.na(x)))

直接传递一个接受单列参数x、返回!is.na(x)结果的匿名函数。

3. 使用purrr::negate生成取反函数

如果你熟悉purrr包，可以用negate把is.na转换为它的取反函数：

library(purrr)
df_test %>% mutate(across(colnames(df_test)[3:5], negate(is.na)))

正确执行结果 #

无论用哪种写法，都会得到预期的布尔值列：

# A tibble: 5 × 6
     id applicant_name invited_privately invited interviewed gender
  <int> <chr>          <lgl>             <lgl>   <lgl>       <chr> 
1     1 A              FALSE             FALSE   FALSE        Man   
2     2 B              FALSE             FALSE   FALSE        Woman 
3     3 C              FALSE             FALSE   FALSE        Woman 
4     4 D              TRUE              TRUE    TRUE         Woman 
5     5 E              FALSE             FALSE   FALSE        Man 

内容的提问来源于stack exchange，提问作者mariogiov