R语言使用case_when时缺失值为何被转换为字符串"NA"？

你的代码核心错误来自两处：

• paste0()函数的特性：该函数处理NA值时，会将其强制转换为字符串"NA"，而非保留R原生的逻辑缺失值。你当前场景下ID和ID_new本身就是字符型变量，完全不需要额外用paste0()包裹变量，属于多余操作引入的问题。
• case_when的逻辑覆盖不全：当原ID为NA、同时匹配到的ID_new也为NA时，你没有额外处理这种场景的缺失值保留逻辑，最终生成的是字符串形式的"NA"，不是R能识别的缺失值，因此sum(is.na(df_new$ID))返回0。

方案1：修正原有case_when写法 #

去掉多余的paste0()包裹即可，直接返回变量本身就能保留原生缺失值：

df_new <- left_join(
  df,
  new_vals,
  by = "animal"
) %>%
  mutate(
    ID = case_when(
      is.na(ID) ~ ID_new,
      TRUE ~ ID
    )
  ) 

方案2：更简洁的coalesce()实现 #

dplyr内置的coalesce()函数就是专门用于缺失值替换的工具，会依次返回输入向量中第一个非缺失值，完美适配你“原ID缺失就用ID_new补，ID_new也缺失就保留缺失”的需求，代码更简洁且不会出现字符串转换问题：

df_new <- left_join(
  df,
  new_vals,
  by = "animal"
) %>%
  mutate(ID = coalesce(ID, ID_new))

以上两种方案执行后，sum(is.na(df_new$ID))都会返回正确的缺失值计数2。

内容的提问来源于stack exchange，提问作者icedcoffee