R语言按条件替换数据框值时组合代码失效问题咨询

为什么组合执行后全变成'HIGH'？ #

你应该是分两次执行了赋值操作，比如：

usdf$new_tests_per_thousand[usdf$new_tests_per_thousand < 3.22] <- 'LOW'
usdf$new_tests_per_thousand[usdf$new_tests_per_thousand > 3.22] <- 'HIGH'

第一次替换后，这列的类型从数值型变成了字符型。第二次判断时，R会把数值3.22转成字符串'3.22'，然后和列里的内容比较——字符比较是按ASCII码顺序来的，'LOW'的首字母L比'3'的ASCII码大，所以'LOW' > '3.22'会返回TRUE，结果所有非NA的行（包括已经改成'LOW'的）都被判定为大于3.22，最终全变成了'HIGH'。

正确的实现方式 #

方法1：用ifelse一次性完成判断

usdf$new_tests_per_thousand <- ifelse(
  usdf$new_tests_per_thousand < 3.22, 
  'LOW', 
  ifelse(usdf$new_tests_per_thousand > 3.22, 'HIGH', NA)
)

一次性完成所有条件判断，不会出现中间类型转换的问题，还能保留原有的NA值。

方法2：用dplyr::case_when（适合tidyverse用户）

library(dplyr)
usdf <- usdf %>%
  mutate(new_tests_per_thousand = case_when(
    new_tests_per_thousand < 3.22 ~ 'LOW',
    new_tests_per_thousand > 3.22 ~ 'HIGH',
    TRUE ~ NA_character_  # 匹配剩下的情况（等于3.22或NA）
  ))

多条件场景下更清晰，逻辑一目了然。

方法3：分步操作但提前存索引

如果非要分步来，先把所有判断的索引提前算好，再统一赋值：

# 先计算符合条件的行索引
low_rows <- usdf$new_tests_per_thousand < 3.22
high_rows <- usdf$new_tests_per_thousand > 3.22

# 先把列转成字符型并设为NA
usdf$new_tests_per_thousand <- NA_character_
# 再分别替换
usdf$new_tests_per_thousand[low_rows] <- 'LOW'
usdf$new_tests_per_thousand[high_rows] <- 'HIGH'

这样就不会因为中间类型变化导致判断出错。

内容的提问来源于stack exchange，提问作者Donovan Morgan