R语言dplyr分组后ifelse中用sum判断生成序列列异常如何解决？

错误原因 #

代码的问题出在ifelse函数的向量化匹配逻辑：

• 分组后sum(newcol)>1是每组仅返回1个逻辑值（组内聚合结果）
• ifelse是向量化函数，要求判断条件、返回值的长度匹配，当判断条件长度为1时，会自动取返回值的第一个元素循环填充整个组的长度，所以出现了所有重复组的newcol都被替换为第一个元素1的异常结果。
  另外用sum(newcol)>1判断组内是否有重复的逻辑也不够严谨，直接用n()获取组内行数判断是否大于1更准确高效。

修正方案 #

两种常用写法都可以实现需求：

写法1：替换ifelse为分组适用的if...else判断 #

library(dplyr)
df1 %>% 
  group_by(Fullname) %>% 
  mutate(newcol = seq_along(Fullname)) %>% 
  mutate(newcol = if(n() > 1) newcol else NA)

写法2：一步生成结果（更简洁） #

library(dplyr)
df1 %>%
  group_by(Fullname) %>%
  mutate(newcol = if(n() == 1) NA_integer_ else row_number())

运行后正确结果 #

# A tibble: 16 × 2
# Groups:   Fullname [8]
   Fullname newcol
   <chr>     <int>
 1 Peter         1
 2 Peter         2
 3 Alison       NA
 4 Warren       NA
 5 Jack          1
 6 Jack          2
 7 Jack          3
 8 Jack          4
 9 Susan         1
10 Susan         2
11 Henry         1
12 Walison      NA
13 Tinder        1
14 Peter         3
15 Henry         2
16 Tinder        2

内容的提问来源于stack exchange，提问作者TarJae