R中根据A列值从B-E列取值生成新列F时case_when报错求助

首先排查你代码报错的常见原因，再提供几种更高效的实现方式：

修复你的case_when代码 #

报错大概率是以下两个原因：

1. 列类型不兼容：B、C、D、E列的数据类型不一致（比如有的是数值，有的是字符），case_when要求所有分支返回值的类型必须统一。
2. NA类型不匹配：TRUE ~ NA中的NA类型要和B-E列的类型匹配，比如数值列要用NA_real_，字符列要用NA_character_。

修复后的代码示例：

library(dplyr)

# 先统一列类型（假设转成数值型，按需调整）
df <- df %>% mutate(across(B:E, as.numeric))

# 用对应类型的NA
df <- df %>%
  mutate(F = case_when(
    A == 1 ~ B,
    A == 2 ~ C,
    A == 3 ~ D,
    A == 4 ~ E,
    TRUE ~ NA_real_  # 字符列请替换为NA_character_
  ))

更高效的替代方案（适合大数据集） #

方案1：矩阵索引（性能最优，推荐大数据） #

直接通过位置索引提取对应值，运行速度最快：

# 定义目标列的顺序
target_cols <- c("B", "C", "D", "E")
# 用矩阵索引提取每行对应位置的元素
df$F <- df[, target_cols][cbind(seq_len(nrow(df)), df$A)]

方案2：dplyr的rowwise()+pick() #

语法直观，贴合tidyverse使用习惯：

df <- df %>%
  rowwise() %>%
  mutate(F = pick(c(B, C, D, E)[A])) %>%
  ungroup()

方案3：tidyr重塑匹配 #

适合需要扩展逻辑或处理复杂列名的场景：

library(tidyr)

df <- df %>%
  mutate(row_id = row_number()) %>%
  pivot_longer(cols = B:E, names_to = "col", values_to = "value") %>%
  mutate(col_num = case_match(col, "B"~1, "C"~2, "D"~3, "E"~4)) %>%
  filter(A == col_num) %>%
  select(row_id, F = value) %>%
  right_join(df %>% mutate(row_id = row_number()), by = "row_id") %>%
  select(-row_id)

内容的提问来源于stack exchange，提问作者Charlotte Lacy