dplyr中case_when调用n()配合slice_sample抽样报错解决

报错由dplyr的参数规则和函数调用环境限制导致：

• slice_sample()的n参数仅接受长度为1的常量值，不支持传入随分组动态变化的向量，直接在该参数位置写case_when动态逻辑不符合参数输入要求
• n()是dplyr上下文专用函数，仅能在mutate、summarise、filter等支持逐组计算的动词内部的数据掩码环境中调用，放在slice_sample()的n参数位置不属于合法调用环境，因此触发对应报错
• 你代码中mutate(counts = n())生成的分组计数列不会被slice_sample()的n参数识别，该参数不会从待处理的数据集中读取取值，因此这一步对后续抽样逻辑没有实际作用

方案1：按组调用slice_sample（逻辑最直观） #

通过group_modify()逐组执行抽样逻辑，每个分组内可以直接获取组样本量做判断，完全沿用slice_sample()的抽样逻辑：

library(dplyr)
dat <- mtcars |> 
  group_by(cyl) |> 
  group_modify(~ {
    sample_size <- if (nrow(.x) > 10) 10 else nrow(.x)
    slice_sample(.x, n = sample_size)
  })

代码中.x代表当前分组对应的子集数据，nrow(.x)即为当前分组的样本量，判断后传入对应抽样数即可，完全匹配“组样本量大于10抽10个，否则抽全部”的需求。

方案2：随机排序后筛选（性能更优，适合大数据集） #

不需要嵌套函数，通过给组内样本生成随机序号再筛选的方式实现等效抽样，执行效率更高：

library(dplyr)
dat <- mtcars |> 
  group_by(cyl) |> 
  # 为组内所有样本生成不重复的随机排序序号
  mutate(random_id = sample(1:n())) |> 
  # 每组保留序号<=10的样本，样本量不足10的组会自动保留全部样本
  filter(random_id <= 10) |> 
  select(-random_id)

该方案的抽样效果和slice_sample()默认的无放回简单随机抽样完全一致，大样本量场景下优先选择。

内容的提问来源于stack exchange，提问作者Peter