使用dplyr::case_when修改因子变量值遇错，求原理及优雅方案

问题背景 #

现有包含因子类型变量的数据集，已知部分因子取值错误，但因子本身的水平是有效的。希望不将因子转回字符型，直接完成错误值清洗。

示例数据集创建 #

library(dplyr)
# 创建可复现的示例数据集
min_re <- tibble(i = seq(1:10), my_letters = factor(substring("statistics", 1:10, 1:10), levels = letters))

数据集输出：

# A tibble: 10 x 2
       i my_letters
   <int> <fct>     
 1     1 s         
 2     2 t         
 3     3 a         
 4     4 t         
 5     5 i         
 6     6 s         
 7     7 t         
 8     8 i         
 9     9 c         
10    10 s  

问题重现 #

需要将第1行的s替换为x，首次尝试用dplyr::case_when实现：

min_re2 <- min_re %>%
  mutate(
    my_letters = case_when(
      my_letters == "s" & i == 1 ~ "x",
      TRUE ~ my_letters
    )
  )

触发错误：

Error in `mutate()`:
! Problem while computing `my_letters = case_when(my_letters == "s" & i == 1 ~ "x", TRUE
  ~ my_letters)`.
Caused by error in `` names(message) <- `*vtmp*` ``:
! 'names' attribute [1] must be the same length as the vector [0]
Run `rlang::last_error()` to see where the error occurred.

而使用Base R子集赋值可成功修改：

min_re$my_letters[which(min_re$my_letters == "s" & min_re$i == 1)] <- "x"

问题解答 #

1. 为何Base R可行而case_when报错？ #

核心原因是**case_when要求所有分支返回的变量类型完全一致**：

• 第一个分支返回的是字符型值"x"，第二个分支返回的是原因子型变量my_letters，类型不匹配导致报错。
• Base R的子集赋值会自动检查新值是否存在于因子的有效水平中（示例中levels = letters包含x），自动将字符型的"x"转换为对应的因子水平，保持变量类型始终为因子，因此可以成功执行。

2. 优雅的dplyr风格修改方法 #

推荐两种简洁的实现方式：

方法一：使用replace函数（最简洁）

replace函数会自动处理因子类型的兼容转换（只要新值在现有水平内）：

min_re2 <- min_re %>%
  mutate(
    my_letters = replace(my_letters, my_letters == "s" & i == 1, "x")
  )

方法二：统一case_when分支的返回类型

确保所有分支都返回因子类型，将字符型的"x"转换为与原变量同水平的因子：

min_re2 <- min_re %>%
  mutate(
    my_letters = case_when(
      my_letters == "s" & i == 1 ~ factor("x", levels = levels(my_letters)),
      TRUE ~ my_letters
    )
  )

3. 引入新因子水平对case_when的影响 #

如果要替换的新值不在现有因子水平中，无论是case_when还是Base R赋值都会报错（Base R会提示invalid factor level, NA generated）。解决步骤：

1. 先用forcats::fct_expand扩展因子水平，添加新值；
2. 再执行替换操作。

示例（替换为不在letters中的"zz"）：

library(forcats)
min_re2 <- min_re %>%
  mutate(
    my_letters = my_letters %>%
      fct_expand("zz") %>%
      replace(my_letters == "s" & i == 1, "zz")
  )

如果直接用case_when处理新水平，同样需要先确保水平存在，或在分支中明确指定包含新水平的因子，否则会因类型/水平不匹配报错。

4. forcats与case_when的兼容性 #

两者完全可以兼容使用，核心是保证case_when各分支返回的类型一致。示例：
先扩展因子水平，再用case_when完成条件替换：

library(forcats)
min_re2 <- min_re %>%
  mutate(
    my_letters = my_letters %>%
      fct_expand("x") %>%
      case_when(
        my_letters == "s" & i == 1 ~ "x",
        TRUE ~ as.character(.)
      ) %>%
      factor(levels = c(levels(my_letters), "x"))
  )

也可以在case_when分支中直接调用forcats的函数，比如用fct_recode完成特定替换：

min_re2 <- min_re %>%
  mutate(
    my_letters = case_when(
      my_letters == "s" & i == 1 ~ fct_recode(my_letters, "x" = "s"),
      TRUE ~ my_letters
    )
  )

内容的提问来源于stack exchange，提问作者penguinv22