R语言dplyr按组对向量值条件替换为NA的问题求解

问题原因 #

你出现错误的核心原因是误用了base::ifelse的向量化逻辑：sum(val[between(x, 2, 3)] > 4) >= 2是分组级别的单值判断（每个分组只会返回1个TRUE/FALSE），而base的ifelse在判定条件长度为1时，只会取no参数的第一个元素作为返回值填充整组，因此b组的val2被全部填充为val的第一个值1，导致结果错误。

正确实现代码 #

你可以直接使用R原生的分支语句if(){}/else{}替代ifelse，因为分组后每组的判断结果唯一，分支语句会直接返回整列的val：

library(dplyr)

tibble(
  grp = c("a", "a", "a", "b", "b", "b"),
  x = c(1, 2, 3, 1, 2, 3),
  val = c(4, 5, 6, 1, 2, 1)
) %>%
  group_by(grp) %>%
  mutate(val2 = if(sum(val[between(x, 2, 3)] > 4) >= 2) NA else val)

运行结果 #

# A tibble: 6 × 4
# Groups:   grp [2]
  grp       x   val  val2
  <chr> <dbl> <dbl> <dbl>
1 a         1     4    NA
2 a         2     5    NA
3 a         3     6    NA
4 b         1     1     1
5 b         2     2     2
6 b         3     1     1

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