dplyr中修改代码遇向量类型报错与计算结果异常问题排查

原始代码与预期输出 #

以下代码运行后能得到符合预期的结果：

library(dplyr)

myData <- 
  data.frame(
    Element = c("A","A","B","A","C","C"),
    Group = c(0,0,0,0,1,1)
  )

myDataGroups <- myData %>%
  mutate(origOrder = row_number()) %>%  
  group_by(Element) %>% 
  mutate(ElementCnt = row_number()) %>%
  ungroup() %>%  
  mutate(Group = factor(Group, unique(Group))) %>% 
  arrange(Group) %>% 
  mutate(groupCt = cumsum(Group != lag(Group, 1, Group[[1]])) - 1L) %>%  
  group_by(Group) %>%  
  mutate(GroupRank = ElementCnt - groupCt,
         GroupRank = if_else( as.character(Group) == "0", ElementCnt, min(GroupRank))
  ) %>%  
  ungroup() %>%
  arrange(origOrder)
myDataGroups

输出：

> myDataGroups
# A tibble: 6 x 6
  Element Group origOrder ElementCnt groupCt GroupRank
  <chr>   <fct>     <int>      <int>   <int>     <int>
1 A       0             1          1      -1         1
2 A       0             2          2      -1         2
3 B       0             3          1      -1         1
4 A       0             4          3      -1         3
5 C       1             5          1       0         1
6 C       1             6          2       0         1

问题1：添加max(0, groupCt)后的类型错误 #

将语句mutate(GroupRank = ElementCnt - groupCt,...)修改为mutate(GroupRank = ElementCnt - max(0,groupCt),...)后，出现错误提示：

Error: Problem with mutate() column GroupRank.
i GroupRank = if_else(as.character(Group) == "0", ElementCnt, min(GroupRank)).
x false must be an integer vector, not a double vector

尝试用as.integer(...)转换类型但无效。

问题2：修改if_else外层加max(1, ...)后的结果不符合预期 #

不添加上述max函数，而是将语句GroupRank = if_else( as.character(Group) == "0", ElementCnt, min(GroupRank))修改为GroupRank = max(1,if_else( as.character(Group) == "0", ElementCnt, min(GroupRank)))，得到的GroupRank结果不符合预期：

# A tibble: 6 x 6
  Element Group origOrder ElementCnt groupCt GroupRank
  <chr>   <fct>     <int>      <int>   <int>     <dbl>
1 A       0             1          1      -1         3
2 A       0             2          2      -1         3
3 B       0             3          1      -1         3
4 A       0             4          3      -1         3
5 C       1             5          1       0         1
6 C       1             6          2       0         1

错误原因与解决方法 #

问题1：类型不匹配的原因与修复 #

• 原因：max(0, groupCt)中，0是默认的double类型，即使groupCt是integer，max返回的结果会转为double。此时ElementCnt - max(0, groupCt)得到的GroupRank是double类型，后续min(GroupRank)也会返回double；而if_else的第一个分支ElementCnt是integer类型，if_else要求两个分支的返回类型必须一致，因此触发类型错误。
• 修复方法：使用integer类型的0L替代0，让max返回integer类型结果：

  mutate(GroupRank = ElementCnt - max(0L, groupCt),
         GroupRank = if_else( as.character(Group) == "0", ElementCnt, min(GroupRank))
  )
  

  或者显式将max结果转为integer：

  mutate(GroupRank = ElementCnt - as.integer(max(0, groupCt)),
         GroupRank = if_else( as.character(Group) == "0", ElementCnt, min(GroupRank))
  )
  

问题2：max函数误用的原因与修复 #

• 原因：max(1, ...)是对整个输入向量取全局最大值，而非逐元素比较。在group_by(Group)的分组中，Group=0组的if_else结果是c(1,2,1,3)，max(1, c(1,2,1,3))会直接返回3，导致整个组的GroupRank都被设为3，不符合逐行取最大值的预期。
• 修复方法：使用pmax函数（逐元素最大值）替代max，同时用1L保证integer类型：

  mutate(GroupRank = ElementCnt - groupCt,
         GroupRank = pmax(1L, if_else( as.character(Group) == "0", ElementCnt, min(GroupRank)))
  )
  

内容的提问来源于stack exchange，提问作者Curious Jorge - user9788072