使用dplyr的mutate与ifelse时无法保留NO_HIT列原始值问题

问题背景 #

需求：当MAYBE列的值为1时，将NO HIT列赋值为1；其他情况保留NO HIT列的原始值。

原始数据表：

GCA_id          family               `NO HIT` MAYBE   HIT
<chr>           <chr>                   <dbl> <dbl> <dbl>
GCA_000091205.1 Cyanidiaceae                1    NA    NA
GCA_000341285.1 Cyanidiaceae               NA     1    NA
GCA_000350225.2 Gigartinaceae              NA     1    NA
GCA_000372725.1 Noelaerhabdaceae            1    NA    NA
GCA_002049455.2 Bangiaceae                  1    NA    NA
GCA_002049455.2 Bangiaceae                 NA     1     1
GCA_002205965.3 Solieriaceae               NA     1     1

执行以下代码后，NO HIT列的原始有效值被替换为NA，不符合预期：

table %>% mutate(`NO HIT` = ifelse(MAYBE == 1, 1, `NO HIT`))

错误结果：

GCA_id          family               `NO HIT` MAYBE   HIT
<chr>           <chr>                   <dbl> <dbl> <dbl>
GCA_000091205.1 Cyanidiaceae               NA    NA    NA
GCA_000341285.1 Cyanidiaceae                1     1    NA
GCA_000350225.2 Gigartinaceae               1     1    NA
GCA_000372725.1 Noelaerhabdaceae           NA    NA    NA
GCA_002049455.2 Bangiaceae                 NA    NA    NA
GCA_002049455.2 Bangiaceae                  1     1     1
GCA_002205965.3 Solieriaceae                1     1     1

问题原因 #

base::ifelse的特性：当测试条件（MAYBE == 1）的结果为NA时，会直接返回NA，忽略else分支的原始值。因此MAYBE为NA的行，哪怕NO HIT原本是有效值，也会被替换成NA。

解决方案 #

方案1：用%in%替代==处理NA #

%in%对NA的判断结果为FALSE而非NA，因此可以避免覆盖原始有效值：

table %>% mutate(`NO HIT` = ifelse(MAYBE %in% 1, 1, `NO HIT`))

方案2：使用dplyr::case_when #

case_when仅匹配符合条件的行，未匹配的行自动保留原始值，无需额外处理NA：

table %>% mutate(`NO HIT` = case_when(MAYBE == 1 ~ 1, TRUE ~ `NO HIT`))

方案3：使用dplyr::if_else并指定missing参数 #

if_else的missing参数可以定义条件为NA时的返回值，直接设置为原始列值即可：

table %>% mutate(`NO HIT` = if_else(MAYBE == 1, 1, `NO HIT`, missing = `NO HIT`))

预期结果 #

执行任意一种方案后，可得到符合需求的结果：

GCA_id          family               `NO HIT` MAYBE   HIT
<chr>           <chr>                   <dbl> <dbl> <dbl>
GCA_000091205.1 Cyanidiaceae                1    NA    NA
GCA_000341285.1 Cyanidiaceae                1     1    NA
GCA_000350225.2 Gigartinaceae               1     1    NA
GCA_000372725.1 Noelaerhabdaceae            1    NA    NA
GCA_002049455.2 Bangiaceae                  1    NA    NA
GCA_002049455.2 Bangiaceae                  1     1     1
GCA_002205965.3 Solieriaceae                1     1     1

内容的提问来源于stack exchange，提问作者amk