为何dplyr的case_when函数兼容grepl却不兼容grep？

嘿，这个问题的关键其实是**grepl和grep返回的东西完全不一样**，而dplyr的case_when对条件格式有硬性要求——每个条件都得是和输入向量长度一致的逻辑向量（就是每个元素对应TRUE或者FALSE那种）。

先搞懂俩函数的核心区别 #

• grepl("fizz", v)：会返回一个和v长度一模一样的向量，每个位置告诉你这个元素里有没有匹配到目标模式。比如你的v是50个元素，它就给你50个TRUE/FALSE，刚好能让case_when逐个判断每个元素该走哪个分支。
• grep("fizz", v)：它返回的是那些匹配上的元素的位置编号，比如v里第5、10、15...个元素是"fizz"，它就返回c(5,10,15,...)，这个向量的长度是匹配到的元素个数，不是原向量的50个。case_when根本没法把这个短向量对应到每个元素的判断上，自然就“不生效”了。

拿你的代码举例子验证 #

能正常运行的写法（用grepl） #

library(dplyr)
x <- 1:50
v <- case_when(
  x %% 35 == 0 ~ "fizz buzz",
  x %% 5 == 0 ~ "fizz",
  x %% 7 == 0 ~ "buzz",
  TRUE ~ as.character(x)
)

# 输出符合预期的结果
case_when(
  grepl("fizz", v) ~ "FFF",
  grepl("buzz", v) ~ "BZZ",
  TRUE ~ as.character(v)
)

为啥直接用grep不行？ #

如果换成grep，代码是这样的：

# 要么结果完全不符合预期，要么直接报错
case_when(
  grep("fizz", v) ~ "FFF",
  grep("buzz", v) ~ "BZZ",
  TRUE ~ as.character(v)
)

这里grep返回的是一堆位置数字，case_when会把这个短向量循环重复去匹配长向量的长度，这完全不是你想要的逐元素判断逻辑，所以看起来就像是没生效。

非要用grep的话怎么改？ #

可以把grep返回的索引转换成逻辑向量，用seq_along(v)生成原向量的位置序列，再用%in%判断每个位置是不是在匹配索引里：

case_when(
  seq_along(v) %in% grep("fizz", v) ~ "FFF",
  seq_along(v) %in% grep("buzz", v) ~ "BZZ",
  TRUE ~ as.character(v)
)

这样就能得到和v长度一致的逻辑向量，case_when就能正常工作了。不过说实话，直接用grepl要简洁得多，没必要多这一步~

内容的提问来源于stack exchange，提问作者Joon