R语言使用函数基于DataFrame某列创建新列的报错问题

你写的函数跑不通是几个硬伤导致的：

• 函数没有定义返回值，运行完不会输出计算结果
• 函数内部直接修改全局环境里的dat对象，和mutate()的计算逻辑完全不兼容——mutate是把传入的列做向量运算后生成新列，不会调用修改全局变量的函数
• 用多个独立if判断整列向量时，只会返回单个逻辑值，没法给每一行匹配对应的列号，而且你只写了前3列的判断，剩下9列的逻辑完全缺失
• 切分Sample.ID得到的编号是字符串格式，直接和数值序列匹配容易出现类型不匹配的问题

你这个列号规则是每8个连续编号对应1列，完全不需要写十几行判断，用简单的整数运算就能实现，逻辑更简洁也不容易错：

library(tidyverse)

# 直接管道运算生成列
dat <- dat %>%
  mutate(
    # 拆分Sample.ID提取末尾的数字编号，转成整数
    sample_num = as.integer(str_split_fixed(Sample.ID, "-", 3)[, 3]),
    # 整数运算直接算列号：(编号-1)整除8再加1，正好匹配1-8为第1列、9-16为第2列的规则
    pl_col = (sample_num - 1) %/% 8 + 1
  )

如果要把逻辑封装成可复用的函数，记住一个原则：自定义向量运算函数要接收向量输入，返回和输入等长的结果向量，不要在函数内部修改全局数据：

plate_col <- function(x) {
  sample_num <- as.integer(str_split_fixed(x, "-", 3)[, 3])
  (sample_num - 1) %/% 8 + 1
}

# 两种调用方式都能正常跑
# dplyr写法
dat <- dat %>% mutate(pl_col = plate_col(Sample.ID))
# 基础R直接赋值写法
dat$pl_col <- plate_col(dat$Sample.ID)

如果你更习惯用区间匹配的写法，用dplyr::case_when()代替一堆独立if即可，不需要手动定义每个col的序列：

dat <- dat %>%
  mutate(
    sample_num = as.integer(str_split_fixed(Sample.ID, "-", 3)[, 3]),
    pl_col = case_when(
      sample_num %in% 1:8 ~ 1,
      sample_num %in% 9:16 ~ 2,
      sample_num %in% 17:24 ~ 3,
      sample_num %in% 25:32 ~ 4,
      sample_num %in% 33:40 ~ 5,
      sample_num %in% 41:48 ~ 6,
      sample_num %in% 49:56 ~ 7,
      sample_num %in% 57:64 ~ 8,
      sample_num %in% 65:72 ~ 9,
      sample_num %in% 73:80 ~ 10,
      sample_num %in% 81:88 ~ 11,
      sample_num %in% 89:96 ~ 12
    )
  )

用你提供的测试数据跑上面的代码，前16个auto样本编号1-16会被正确匹配到第1、2列，后续唾液样本的编号也会按规则匹配对应列号，不会出现之前的赋值错误。

内容的提问来源于stack exchange，提问作者user2814482