使用dplyr::group_by()求含NA的最小日期时is.na()判断异常

这个问题的核心原因很容易被忽略：当你对全是NA的日期向量调用min(date, na.rm = TRUE)时，返回的不是真正的NA，而是日期类型的负无穷值（-Inf）——它在打印时会显示为<NA>，但本质上是一个特殊的日期值，所以is.na()会返回FALSE。你可以用as.numeric(date_min)查看它的真实值，会得到-Inf。

下面是几种符合SQL逻辑（全NA组返回真实NA）的解决方案：

方法1：用case_when结合全NA判断 #

这是最直接的写法，在mutate里先判断组内是否所有日期都是NA，再决定返回NA_Date_（base R中专门的日期型NA常量）还是计算最小值：

library(magrittr)
library(dplyr)

ds_visit <- tibble::tribble(
  ~subject_id, ~date,
  1L, as.Date("2017-01-01" ),
  1L, as.Date("2017-02-01" ),
  2L, as.Date(NA_character_),
  2L, as.Date("2017-01-02" ),
  3L, as.Date(NA_character_),
  3L, as.Date(NA_character_),
  4L, as.Date(NA_character_),
  4L, as.Date(NA_character_)
)

ds_subject <- ds_visit %>% 
  group_by(subject_id) %>% 
  mutate(
    date_na = is.na(date),
    date_min = case_when(
      all(is.na(date)) ~ NA_Date_,  # 全NA时返回日期型NA
      TRUE ~ min(date, na.rm = TRUE)
    ),
    date_min_na = is.na(date_min)  # 现在会正确返回TRUE了
  ) %>% 
  ungroup()

方法2：自定义复用函数 #

如果需要多次使用这个逻辑，可以封装成一个函数，代码更整洁：

min_date_safe <- function(x) {
  if (all(is.na(x))) {
    NA_Date_  # 返回标准日期NA
  } else {
    min(x, na.rm = TRUE)
  }
}

ds_subject <- ds_visit %>% 
  group_by(subject_id) %>% 
  mutate(
    date_na = is.na(date),
    date_min = min_date_safe(date),
    date_min_na = is.na(date_min)
  ) %>% 
  ungroup()

方法3：先汇总再关联 #

如果数据量较大，先分组汇总最小值再关联回原数据，逻辑更清晰，也可能更高效：

# 先计算每个分组的安全最小值
date_min_summary <- ds_visit %>% 
  group_by(subject_id) %>% 
  summarize(
    date_min = case_when(
      all(is.na(date)) ~ NA_Date_,
      TRUE ~ min(date, na.rm = TRUE)
    )
  )

# 关联回原数据集
ds_subject <- ds_visit %>% 
  left_join(date_min_summary, by = "subject_id") %>% 
  mutate(
    date_na = is.na(date),
    date_min_na = is.na(date_min)
  )

验证结果：subject_id为3和4的组中，date_min会是真正的NA，date_min_na也会正确返回TRUE，完全符合你的预期。

内容的提问来源于stack exchange，提问作者wibeasley