如何在R中对分组行执行逻辑测试并逐行生成输出？

场景 #

我有两个物品，每个物品按一年的4个季度拆分。如果某物品全年有过至少一次发货，我需要对对应季度进行后续计算；如果全年无发货，则需显示NA以排除在后续计算外。

df <- data.frame(item = c(rep("A", 4), rep("B", 4)),
                 value = c(0, NA, 5, 1, 0, NA, NA, NA))

> df
  item value
1    A     0
2    A    NA
3    A     5
4    A     1
5    B     0
6    B    NA
7    B    NA
8    B    NA

期望输出 #

最终结果应为：

item  value new_value
  <chr> <dbl>     <dbl>
1 A         0         0
2 A        NA         0
3 A         5         5
4 A         1         1
5 B         0        NA
6 B        NA        NA
7 B        NA        NA
8 B        NA        NA

已尝试方法 #

我通常使用library(tidyverse)，但如果有基础R解决方案也可以接受。我的首次尝试报错：

library(tidyverse)

df %>% 
  group_by(item) %>% 
  mutate(new_value = if_else(sum(value, na.rm = TRUE)>0, coalesce(value, 0), NA_real_))

Error in `mutate()`:
! Problem while computing `new_value = if_else(sum(value, na.rm = TRUE) > 0, coalesce(value, 0), NA_real_)`. 
ℹ The error occurred in group 1: item = "A". 
Caused by error in `if_else()`:
! `true` must be length 1 (length of `condition`), not 4.

我使用group_by()是为了让sum(x, na.rm = TRUE)作用于分组，但希望coalesce()作用于每一行。我知道dplyr的if_else()与基础ifelse()不同，因此尝试了后者：

df %>% 
  group_by(item) %>% 
  mutate(new_value = ifelse(sum(value, na.rm = TRUE)>0, coalesce(value, 0), NA_real_))

# A tibble: 8 × 3
# Groups:   item [2]
  item  value new_value
  <chr> <dbl>     <dbl>
1 A         0         0
2 A        NA         0
3 A         5         0   # should be '5'
4 A         1         0   # should be '1'
5 B         0        NA
6 B        NA        NA
7 B        NA        NA
8 B        NA        NA

结果接近期望输出，但似乎只使用了分组中的第一行，我希望操作作用于每一行，如上述期望输出所示。

解决方案与误区解释 #

误区分析 #

你遇到的问题核心在于对if_else（dplyr）和ifelse（基础R）的向量长度匹配逻辑理解有误：

• dplyr的if_else要求条件、返回的true值、返回的false值三者长度完全一致。你代码中sum(value, na.rm=T)>0是长度为1的逻辑值，而coalesce(value,0)是长度为4的向量，因此触发长度不匹配的报错。
• 基础R的ifelse会自动循环短向量来匹配长向量的长度，但这里它只取coalesce(value,0)的第一个元素（即0），重复填充整个分组，导致后面的行无法得到对应行的计算结果。

Tidyverse 解决方案 #

使用case_when可以更优雅地处理这种分组内的条件判断，它会自动将长度为1的条件广播到整个分组：

library(tidyverse)

df %>% 
  group_by(item) %>% 
  mutate(new_value = case_when(
    sum(value, na.rm = TRUE) > 0 ~ coalesce(value, 0),
    TRUE ~ NA_real_
  )) %>% 
  ungroup() # 可选，取消分组

或者保持用if_else，通过rep()将条件向量扩展为与分组行数一致的长度：

df %>% 
  group_by(item) %>% 
  mutate(new_value = if_else(
    rep(sum(value, na.rm = TRUE) > 0, n()),
    coalesce(value, 0),
    NA_real_
  )) %>% 
  ungroup()

基础R 解决方案 #

使用ave()函数对每个分组应用自定义逻辑：

# 用基础R实现coalesce的功能
df$new_value <- ave(df$value, df$item, FUN = function(x) {
  if (sum(x, na.rm = TRUE) > 0) {
    ifelse(is.na(x), 0, x)
  } else {
    rep(NA_real_, length(x))
  }
})

以上两种方案都能得到你期望的输出结果。

内容的提问来源于stack exchange，提问作者ScottyJ