在R的dplyr中，为何相同值的行用==匹配时部分不生效？

一、代码逻辑错误（核心问题） #

你当前代码里的medium_code == pressAbo写法存在逻辑错误：==是逐元素相等比较，当medium_code是单个值、pressAbo是向量时，R会自动循环向量元素进行匹配，这会导致部分行匹配混乱，出现无意义的NA。正确的写法应该用%in%，用来判断单个值是否存在于目标向量中。

二、肉眼不可见字符的排查方法 #

如果修正%in%后仍有部分行匹配失败，再排查字符的隐形差异，可按以下步骤操作：

• 检查字符串长度：对疑似有问题的medium_code值，用nchar()查看长度，比如显示为"NZZ"的行，正常长度是3，若有隐藏空格则长度为4。

  query %>% filter(medium_code == "NZZ") %>% mutate(len = nchar(medium_code))
  

• 去除前后空格：先清理medium_code的首尾空白字符，再进行匹配：

  query <- query %>% mutate(medium_code = trimws(medium_code))
  

• 查看原始字符编码：用charToRaw()查看字符的十六进制编码，对比正常和异常值的差异：

  # 取正常的NZZ和异常的NZZ分别查看
  charToRaw(query$medium_code[which(query$medium_code == "NZZ")[1]])
  charToRaw(query$medium_code[which(is.na(query$Gattung) & query$medium_code == "NZZ")[1]])
  

• 统一大小写：如果存在大小写不一致（比如"nzz"和"NZZ"），统一转换为大写或小写后再匹配：

  query <- query %>% mutate(medium_code = toupper(medium_code))
  

三、修正后的完整代码 #

library(dplyr)

pressAbo <- c("NZZ", "BU", "TA", "NLZ", "BZ", "BAZ", "AZM", "SGT")
pressBLV <- c("BLI")
pressSM <- c("SBLI", "TAS", "WOZ", "NZZS", "SAS")
pressPen <- c("ZWA")
onlineAbo <- c("NZZO", "NNTA", "NNBE", "NNBS", "SGTO", "LUZO")
onlineBLV <- c("BLIO")
onlinePen <- c("ZAWO")

# 先清理medium_code的潜在问题
query <- query %>%
  mutate(medium_code = trimws(toupper(medium_code))) %>%
  mutate(Gattung = case_when(
    medium_code %in% c(pressAbo, pressBLV, pressSM, pressPen) ~ "Presse",
    medium_code %in% c(onlineAbo, onlineBLV, onlinePen) ~ "Online",
    # 可添加默认值，避免NA
    TRUE ~ "Unknown"
  ),
  .after="medium_name")

内容的提问来源于stack exchange，提问作者Valpal