使用dplyr嵌套ifelse生成区域列结果异常的问题排查

我一眼就看出你的多层ifelse里的条件逻辑出问题啦！咱们来一步步拆解：

问题根源 #

第一个ifelse已经处理了cood < 3750023.25的情况，能进入第二个ifelse的所有行，必然满足cood >= 3750023.25。但你第二个条件写的是：

3750023.25 >= cood & cood < 3759048.50

这里的3750023.25 >= cood和前置条件完全矛盾，这个条件永远不会为真！所以所有本该属于Area 2的行都会直接跳过第二个判断，进到第三个ifelse里——这就是为什么cood=3751013会被错误标记为Area 3的原因。

修正后的ifelse代码 #

你只需要把条件里的下限判断调整为正确的方向，同时还可以简化后续条件（因为前面的判断已经过滤掉了更小的值）：

train = train %>% 
  mutate(area = ifelse(cood < 3750023.25, 'Area 1', 
                       ifelse(cood < 3759048.50, 'Area 2', 
                              ifelse(cood < 3768073.75, 'Area 3', 
                                     ifelse(cood >= 3768073.75, 'Area 4', NA)))))

更推荐的写法：用case_when替代多层ifelse #

dplyr的case_when专门用来处理这种多条件分支，可读性远高于多层嵌套的ifelse，逻辑也更清晰（按顺序判断，前面条件满足后就不会执行后续判断）：

train = train %>%
  mutate(area = case_when(
    cood < 3750023.25 ~ 'Area 1',
    cood < 3759048.50 ~ 'Area 2',
    cood < 3768073.75 ~ 'Area 3',
    cood >= 3768073.75 ~ 'Area 4',
    TRUE ~ NA_character_ # 处理所有未匹配的情况
  ))

这样写不仅不容易出错，后续维护和修改范围值也会方便很多～

内容的提问来源于stack exchange，提问作者principe