使用tidyverse判断列值是否为最大值时结果异常求助

核心原因推测 #

你的问题大概率源于以下几种场景，且可复现示例无异常是因为该数据集的Column_C值是精确整数，不存在这些隐性问题：

1. 浮点精度误差
   即使Column_C的数值看起来完全相同，实际可能存在极小的十进制差异（比如458和458.0000000001），直接用==做相等性检查会失败。这种情况常出现在经过计算生成的数值列中。

2. 未彻底清除的分组
   尽管你使用了ungroup()，但极少数情况下 tibble 可能残留分组元数据，导致max(Column_C)被按组计算而非全局计算。

3. 数据类型不统一
   原数据集中Column_C可能混合了数值型和字符型数据（比如部分值是字符串格式的"458"），与数值型的最大值比较时会返回FALSE。

4. 隐性NA值
   若Column_C存在NA值，Column_C == max(Column_C)会返回NA，被case_when判定为FALSE从而标记为N。

排查步骤 #

1. 检查浮点差异
   运行以下代码查看Column_C与全局最大值的差值：

   testdf %>% 
     ungroup() %>% 
     mutate(diff = Column_C - max(Column_C, na.rm = TRUE)) %>% 
     filter(diff != 0)
   

   若返回非空结果，说明存在精度误差。

2. 确认分组状态
   执行group_vars(testdf)，若输出非空向量则说明分组未彻底清除。

3. 验证数据类型
   运行str(testdf$Column_C)，确保所有值均为numeric或double类型，无字符型混入。

4. 检查NA值
   执行sum(is.na(testdf$Column_C))，确认是否存在缺失值。

修复代码 #

针对浮点精度和分组问题，推荐使用更鲁棒的写法：

test2 = testdf %>%
  ungroup(.) %>% # 强制清除所有分组
  mutate(
    global_max = max(Column_C, na.rm = TRUE),
    New_Column_2 = if_else(near(Column_C, global_max), "Yes", "No"),
    `Final?` = case_when(
      near(Column_C, global_max) ~ "Y",
      TRUE ~ "N"
    )
  )

• ungroup(.)确保彻底清除分组
• near()函数用于数值相等性检查，允许极小的精度误差
• na.rm = TRUE避免NA值影响最大值计算

内容的提问来源于stack exchange，提问作者Tee