提取字符串范围极值的函数在dplyr::case_when()中运行异常如何解决

问题原因 #

你编写的val_from_range函数默认仅支持单个字符串输入，不支持向量批量处理：

• 当你把整列字符向量传入函数时，str_extract_all会返回所有行匹配到的数字组成的列表，直接调用unlist()会把所有行的数字全部合并为一个长向量，示例中合并后的向量为c(5,6,4,6,9,5)，计算得到的全局最小值为4、全局最大值为9
• 后续这个长度为1的结果会被循环填充到所有满足str_detect(x, "-")条件的行，就出现了不符合预期的输出。

修复方案 #

方案1：调用时增加rowwise()按行处理 #

不需要修改原函数，仅在数据处理步骤中增加按行分组逻辑，保证每次给函数传入单个字符串：

tibble(x = c("5-6", "4", "6-9", "5", "NA")) |> 
  rowwise() |> # 增加按行分组
  mutate(
    min = case_when(str_detect(x, "-") ~ val_from_range(x, "min")),
    max = case_when(str_detect(x, "-") ~ val_from_range(x, "max"))
  ) |> 
  ungroup() # 处理完成后可取消行分组

方案2：修改原函数为向量化版本 #

直接改造函数使其原生支持向量输入，调用时不需要额外处理：

val_from_range_vec <- function(.str, .fun = "min"){
  # 对向量的每个元素单独处理
  purrr::map_dbl(.str, function(s){
    nums <- str_extract_all(s, "\\d*\\.?\\d+") |> 
      unlist() |> 
      as.numeric()
    if (.fun == "min") min(nums) else max(nums)
  })
}

# 直接调用即可得到正确结果
tibble(x = c("5-6", "4", "6-9", "5", "NA")) |> 
  mutate(
    min = case_when(str_detect(x, "-") ~ val_from_range_vec(x, "min")),
    max = case_when(str_detect(x, "-") ~ val_from_range_vec(x, "max"))
  )

两种方案都可以得到你期望的输出结果。

内容的提问来源于stack exchange，提问作者Freddie J. Heather