使用map+mutate处理tibble时行数异常倍增的问题排查

你使用purrr::map_dfr的核心问题是：这个函数的作用是行绑定（row-bind）每次函数调用的输出结果。你传入了3个类型参数（sofa/couch/settee），每个调用都会返回完整的原数据框+对应新列，三次行绑定后就会把原数据重复3次，最终行数变成原数据的3倍。而你实际需要的是在同一个数据框上逐步添加新列，而非堆叠多个数据框。

解决方案1：基于现有函数的修正调用 #

保留你写的cleaning_fcn，将map_dfr替换为purrr::reduce——它会把初始数据框依次传入每个函数调用，累积添加新列：

library(tidyverse)

# 保留你的自定义函数
cleaning_fcn <- function(.df, .x){
  .df %>% 
    mutate(!!sym(paste0("explain_", .x)) := case_when(
      !!sym(paste0("sit_comfy_", .x ,"_1")) == 1 ~ "Just better",
      !!sym(paste0("sit_comfy_", .x, "_2")) == 1 ~ "Nice shape",
      !!sym(paste0("sit_comfy_", .x ,"_3")) == 1 ~ "Like the color",
      !!sym(paste0("sit_comfy_", .x ,"_4")) == 1 ~ "Nice material"),
      !!sym(paste0("explain_", .x)) := factor(!!sym(paste0("explain_", .x)), 
                                               levels = c("Just better", "Nice shape",
                                                          "Like the color", "Nice material")))
}

# 用reduce实现累积添加列
result <- reduce(c("sofa", "couch", "settee"), cleaning_fcn, .init = d)

解决方案2：更简洁的tidyverse批量处理写法 #

无需自定义循环函数，通过数据重塑（pivot）批量处理所有类型，代码更简洁且易维护：

library(tidyverse)

result <- d %>%
  # 将宽格式数据转成长格式，拆分列名获取类型和编号
  pivot_longer(
    cols = everything(),
    names_to = c(NA, NA, "type", "num"),  # 忽略前两个前缀部分
    names_sep = "_",
    values_to = "value"
  ) %>%
  filter(value == 1) %>%  # 只保留值为1的行（对应选中的选项）
  # 生成解释文本并转为指定顺序的因子
  mutate(
    explain = case_match(
      num,
      "1" ~ "Just better",
      "2" ~ "Nice shape",
      "3" ~ "Like the color",
      "4" ~ "Nice material"
    ),
    explain = factor(explain, levels = c("Just better", "Nice shape",
                                        "Like the color", "Nice material"))
  ) %>%
  # 转回宽格式，生成explain_xxx列
  pivot_wider(
    id_cols = row_number(),
    names_from = type,
    values_from = explain,
    names_prefix = "explain_"
  ) %>%
  select(-row_number()) %>%
  # 和原数据合并
  bind_cols(d, .)

验证结果：result的行数与原数据d一致，且包含explain_sofa、explain_couch、explain_settee三个因子列，功能与你手动重复mutate的写法完全一致。

内容的提问来源于stack exchange，提问作者C.Robin