使用mutate结合group_by按组首值修改列的问题及求解

问题描述 #

尝试使用mutate函数根据分组的首个值创建新列，测试数据及代码如下：

library(tidyverse)
test = data.frame(grp = c(1,1,1,2,2,2), x = c(1,2,3,1,2,3), y = c(1,2,3,1,2,3))

test
  grp x y
1   1 1 1
2   1 2 2
3   1 3 3
4   2 1 1
5   2 2 2
6   2 3 3

执行代码：

test %>% group_by(grp) %>% 
  mutate(y = ifelse(grp[[1]] == x[[1]], y-1, y))

得到的输出不符合预期：

grp     x     y
  <dbl> <dbl> <dbl>
1     1     1     0
2     1     2     0
3     1     3     0
4     2     1     1
5     2     2     1
6     2     3     1

期望输出为：

grp     x     y
  <dbl> <dbl> <dbl>
1     1     1     0
2     1     2     1
3     1     3     2
4     2     1     1
5     2     2     2
6     2     3     3

问题原因 #

你使用grp[[1]] == x[[1]]做判断时，这个表达式在分组内是单个标量比较：取当前组的第一个grp值和第一个x值比较，得到一个单一的TRUE或FALSE。而ifelse会将这个标量结果循环应用到组内的每一行，导致整个组的y值要么全部减1，要么全部保持不变，而不是只针对组内x等于本组首个x的行进行修改。

最优解法 #

使用dplyr的first()函数来获取每组的首个x值，然后逐行判断当前行的x是否等于该组的首个x，再对y进行修改：

test %>% 
  group_by(grp) %>% 
  mutate(y = ifelse(x == first(x), y - 1, y))

执行后即可得到预期输出：

grp     x     y
  <dbl> <dbl> <dbl>
1     1     1     0
2     1     2     1
3     1     3     2
4     2     1     1
5     2     2     2
6     2     3     3

补充说明 #

first()是dplyr专为分组操作设计的函数，能准确提取每组的第一个元素；相比直接用x[[1]]，它更符合tidyverse的语法规范，且避免了标量循环的问题。如果需要更简洁的写法，也可以用case_when替代ifelse（逻辑复杂时更清晰）：

test %>% 
  group_by(grp) %>% 
  mutate(y = case_when(x == first(x) ~ y - 1, TRUE ~ y))

内容的提问来源于stack exchange，提问作者hjw