如何在R的case_when函数中正确使用多个AND逻辑运算？

你的代码逻辑本身是成立的，但出现不符合预期的归类结果，大概率是以下原因导致，对应解决方案如下：

1. 检查数据类型是否异常 #

ScoreA或ScoreB如果是字符型/因子型而非数值型，会导致数值比较逻辑紊乱。比如字符型的"10"在某些场景下的比较结果会偏离预期，或含非数值字符（如"10分"）会转为NA干扰判断。

先检查列类型：

str(df$ScoreA)
str(df$ScoreB)

如果不是数值型，先转换：

df <- df %>% 
  mutate(across(c(ScoreA, ScoreB), as.numeric))

2. 优化条件顺序（更严谨） #

虽然你的条件逻辑互斥，但把ScoreB>=8的判断放在ScoreA<8 & ScoreB<8前面，能避免潜在的顺序误解，结果一致但更直观：

df <- df %>% 
  mutate(New_Var = case_when(
    age == 6 & ScoreA >= 8 ~ "Strong",
    age == 6 & ScoreB >= 8 ~ "Weak",
    age == 6 & ScoreA < 8 & ScoreB < 8 ~ "Some"
  ))

3. 验证目标样本的实际值 #

确认你说的age=6、ScoreA=4、ScoreB=10样本的真实数据是否符合描述，避免输入错误：

df %>% filter(age == 6, ScoreA == 4, ScoreB == 10)

另外，在tidyverse管道中建议直接用列名（如age而非df$age），更简洁且能避免分组操作时的潜在问题。

内容的提问来源于stack exchange，提问作者Alex