dplyr使用ifelse/if_else替换日期列NA时的类型转换与参数报错问题

• 语法逻辑错误：在is.na()判断中给列名加了双引号，实际执行的是判断静态字符串"Daily_Answer_Date"、"Weekly_Answer_Date"本身是否为缺失值，而非逐行判断对应列的单元格内容。这会导致判断结果始终是长度为1的单值，既无法正确识别单元格内的NA值，也会在使用dplyr::if_else时因条件长度（1）与返回值向量长度（69510）不匹配触发报错。
• 类型降级问题：基础R内置的ifelse()会主动剥离向量的类属性，日期类型本质是附加强制类标记的数值向量，经过ifelse处理后会丢失<date>类型标识，退化为代表与1970-01-01天数差的<dbl>类型。

方案1：修正语法+类型安全的条件判断 #

移除列名上的多余引号，使用dplyr::if_else实现，该函数会严格校验返回值的类型一致性，不会出现日期类型降级的问题：

df_tmp1 <- df_tmp %>%
  mutate(
    Daily_Answer_Date = if_else(is.na(Daily_Answer_Date), Visit_Date, Daily_Answer_Date),
    Weekly_Answer_Date = if_else(is.na(Weekly_Answer_Date), Visit_Date, Weekly_Answer_Date)
  )

方案2：更简洁的NA填充写法 #

使用tidyr::replace_na直接针对缺失值做定向替换，逻辑更直白，会100%保留列的原有数据类型：

library(tidyr)
df_tmp1 <- df_tmp %>%
  mutate(
    Daily_Answer_Date = replace_na(Daily_Answer_Date, Visit_Date),
    Weekly_Answer_Date = replace_na(Weekly_Answer_Date, Visit_Date)
  )

批量处理写法 #

如果后续需要对多列同类型日期字段做相同的NA填充操作，可使用across批量统一处理，避免重复编写逐列的mutate逻辑：

df_tmp1 <- df_tmp %>%
  mutate(
    across(
      c(Daily_Answer_Date, Weekly_Answer_Date),
      ~ replace_na(.x, Visit_Date)
    )
  )

处理完成后调用glimpse(df_tmp1)检查输出结构，两个回答日期列会保持原生<date>类型，所有原为NA的单元格会被替换为对应行的Visit_Date值，不会出现类型降级为数值的问题。

内容的提问来源于stack exchange，提问作者Thomas Philips