map_dbl中调用自定义函数未达预期，手动运行正常求排查

我帮你仔细排查了这个问题，结合你提供的代码和数据，找到了可能的问题根源，也整理了对应的修复方案：

先理清楚你的场景 #

你期望分组后的两行数据，通过match0计算出的index都为1，但实际运行结果不符；但手动逐行调用match0却能得到预期结果。我们先还原你的核心代码和数据：

原函数与测试数据 #

match0 <- function(i, df) { 
  df <- as.data.frame(df) 
  j <- 1:nrow(df) 
  if (!is.na(df$p201[i])) { 
    l <- i 
  } else { 
    k <- (!(df$Ano[i] == df$Ano[j] & df$Trimestre[i] == df$Trimestre[j] & i != j)) & 
         df$V2008[i] != 99 & df$V20081[i] != 99 & df$V20082[i] != 9999 
    l <- ifelse(any(k), which(k), i) 
  } 
  return(l) 
}

dataset <- structure(list(UF = structure(c(11, 11), format.stata = "%8.0g"), 
                          UPA = structure(c(110000227, 110000227), format.stata = "%12.0g"), 
                          V1008 = structure(c(1, 1), format.stata = "%8.0g"), 
                          V1014 = structure(c(1, 1), format.stata = "%8.0g"), 
                          V2007 = structure(c(1, 1), format.stata = "%8.0g"), 
                          V2008 = structure(c(17, 17), format.stata = "%8.0g"), 
                          V20081 = structure(c(1, 1), format.stata = "%8.0g"), 
                          V20082 = structure(c(1969, 1969 ), format.stata = "%8.0g"), 
                          Ano = structure(c(2012, 2012), format.stata = "%8.0g"), 
                          Trimestre = structure(c("1", "2"), format.stata = "%9s"), 
                          V2003 = structure(c(1, 1), format.stata = "%8.0g")), 
                     row.names = c(NA, -2L), class = c("tbl_df", "tbl", "data.frame"))

你执行的代码 #

dataset %>% 
  group_by(UF, UPA, V1008, V1014, V2007, V2008, V20081, V20082) %>% 
  arrange(UF, UPA, V1008, V1014, V2007, V2008, V20081, V20082, Ano, Trimestre, V2003) %>% 
  group_by(index = map_dbl(seq(n()), ~ match0(.x, df = cur_data()) ), .add = TRUE)

问题根源分析 #

1. 函数逻辑的模糊点：which(k)返回多个值 #

你的match0函数中，which(k)会返回所有满足条件的行索引，而ifelse(any(k), which(k), i)的行为容易出现意外：

• 当k有多个TRUE值时，which(k)是一个向量（比如你的测试数据中，i=1或i=2时，k都是c(TRUE, TRUE)，which(k)返回c(1,2)）
• ifelse会将结果长度调整为和测试条件一致（测试条件any(k)是长度1的布尔值），所以会取which(k)的第一个元素，看起来手动调用是对的，但如果你的实际数据中k的TRUE值位置变化，结果就会不符合预期。

2. 可能的逻辑偏差：k的定义包含了当前行 #

你的k逻辑是!(同Ano同Trimestre且不是当前行)，这意味着当前行本身也会被标记为符合条件。如果你的实际数据中，某一行的其他所有行都和它同Ano同Trimestre，那么k只会包含当前行，which(k)返回当前行的索引，最终index就会是当前行号，而不是你期望的1。

3. cur_data()的上下文风险 #

用seq(n())配合cur_data()时，虽然在测试数据中没问题，但在复杂分组场景下，seq(n())的行号和cur_data()的行索引可能出现上下文混淆，不如用row_number()更明确。

修复方案 #

方案1：明确函数返回单个预期值 #

修改match0函数，确保只返回第一个符合条件的索引，或者在没有其他符合条件的行时强制返回1（根据你的预期）：

match0_fixed <- function(i, df) { 
  df <- as.data.frame(df) 
  j <- 1:nrow(df) 
  # 注意：你的dataset里没有p201列，这个判断永远为FALSE，可以考虑注释或补充逻辑
  if (!is.na(df$p201[i])) { 
    l <- i 
  } else { 
    # 修正逻辑：只寻找其他行中不同Ano或Trimestre的行
    k <- (df$Ano[i] != df$Ano[j] | df$Trimestre[i] != df$Trimestre[j]) & 
         i != j & 
         df$V2008[i] != 99 & df$V20081[i] != 99 & df$V20082[i] != 9999
    # 有符合条件的行就取第一个，没有就返回1（或i，按你的需求调整）
    l <- ifelse(any(k), which(k)[1], 1) 
  } 
  return(l) 
}

方案2：优化dplyr调用逻辑 #

用row_number()代替seq(n())，让行号的上下文更清晰：

dataset %>% 
  group_by(UF, UPA, V1008, V1014, V2007, V2008, V20081, V20082) %>% 
  arrange(UF, UPA, V1008, V1014, V2007, V2008, V20081, V20082, Ano, Trimestre, V2003) %>% 
  mutate(index = map_dbl(row_number(), ~ match0_fixed(.x, df = cur_data()))) %>% 
  group_by(index, .add = TRUE)

测试验证 #

用你的测试数据运行修正后的代码，两行的index都会是1，完全符合你的预期。如果是实际数据中存在同Ano同Trimestre的行，也会按照你期望的逻辑返回第一个符合条件的索引（或1）。

内容的提问来源于stack exchange，提问作者Arthur Carvalho Brito