dplyr引用外部数据框索引赋值时出现结果异常问题排查

• 该错误由R的向量索引规则与ifelse的向量化执行逻辑共同导致：
  1. findInterval返回的limit_index包含值为0的结果，对应x小于limit$interval最小值1的情况
  2. ifelse执行时会先完整计算两个分支的所有内容，而非只计算符合条件的位置：limit$target[limit_index]会对全部100个limit_index同时做索引，而R中向量索引为0时会直接丢弃对应位置的元素，最终得到的limit$target[limit_index]长度小于100
  3. R会自动对短向量做循环补齐来匹配ifelse要求的长度，最终导致target值和原行位置完全错位，因此会出现limit_index为1却返回3.5的异常结果

方案1：调整索引避免0值（推荐） #

提前给limit$target补充一个占位值对应index=0的场景，避免索引时丢失元素：

require(dplyr)
require(tibble)

set.seed(123)

x <- runif(100, -2, 10)
limit <- data.frame(interval = 1:4, target = 1:4 + 0.5)
# 给target前补一位占位值，对应index=0的位置
limit$target <- c(NA, limit$target)
limit_index <- findInterval(x, limit$interval)
df <- data.frame(x = x, limit_index = limit_index)
df_target <- df %>% mutate(target = ifelse(limit_index == 0, x, limit$target[limit_index]))

方案2：先初始化再替换 #

先把target默认赋值为x，再单独替换符合条件的行，避免0索引参与计算：

require(dplyr)
require(tibble)

set.seed(123)

x <- runif(100, -2, 10)
limit <- data.frame(interval = 1:4, target = 1:4 + 0.5)
limit_index <- findInterval(x, limit$interval)
df <- data.frame(x = x, limit_index = limit_index)
df_target <- df %>% 
  mutate(target = x) %>% 
  mutate(target = replace(target, limit_index > 0, limit$target[limit_index[limit_index > 0]]))

内容的提问来源于stack exchange，提问作者sedsiv