使用case_when实现多级取值逻辑时的异常问题求助

样本数据 #

A1<-seq(3,5); A2<-seq(1,5); A3<-seq(2,8)
length(A1)<-7; length(A2)<-7; length(A3)<-7
adf <-as.data.frame(cbind(A1,A2,A3))

生成的数据框如下：

A1 A2 A3
1  3  1  2
2  4  2  3
3  5  3  4
4 NA  4  5
5 NA  5  6
6 NA NA  7
7 NA NA  8

需求 #

创建新变量B，取值优先级为：优先取A1的值；若A1为缺失值，则取A2的值；若A2也为缺失值，则取A3的值。

尝试的代码及问题 #

用户尝试了以下case_when代码：

adf %>% 
  mutate(
    B = case_when(
      !is.na(A1) ~ A1, 
      is.na(A1) ~ A2, 
      (is.na(A1) & is.na(A2) & !is.na(A3)) ~ A3
    )
  )

运行结果显示，当A1和A2均缺失、A3非缺失时，B返回NA：

A1 A2 A3  B
1  3  1  2  3
2  4  2  3  4
3  5  3  4  5
4 NA  4  5  4
5 NA  5  6  5
6 NA NA  7 NA
7 NA NA  8 NA

问题原因 #

case_when的判断逻辑是从上到下依次匹配，一旦满足某个条件就返回对应值，后续条件不再执行。

• 第二个条件is.na(A1) ~ A2会匹配所有A1缺失的行，包括A2也缺失的行，此时返回A2的NA值，第三个条件根本没有机会被触发。

解决方法 #

方法1：调整case_when的条件顺序 #

把最严格的条件（A1和A2都缺失）放在最前面，再依次判断其他情况：

adf %>% 
  mutate(
    B = case_when(
      is.na(A1) & is.na(A2) ~ A3,
      is.na(A1) ~ A2,
      TRUE ~ A1  # 所有不满足前两个条件的情况，即A1非缺失
    )
  )

方法2：使用coalesce函数（更简洁） #

dplyr的coalesce()函数专门用于按顺序返回第一个非缺失值，完美匹配需求：

library(dplyr)
adf %>% 
  mutate(B = coalesce(A1, A2, A3))

两种方法都能得到正确结果：

A1 A2 A3 B
1  3  1  2 3
2  4  2  3 4
3  5  3  4 5
4 NA  4  5 4
5 NA  5  6 5
6 NA NA  7 7
7 NA NA  8 8

内容的提问来源于stack exchange，提问作者Addison