使用Apply处理数据框时布尔值判断失效？逻辑运算异常排查

先看一下你的代码和遇到的问题：

a = c(TRUE, FALSE, TRUE, FALSE, TRUE, TRUE)
b = c('a', 'b', 'c', 'de', 'f', 'g')
c = c(1, 2, 3, 4, 5, 6)
d = c(0, 0, 0, 0, 0, 1)
wtf = data.frame(a, b, c, d)
wtf$huh = apply(wtf, 1, function(row) {
  if (row['a'] == T) { return('we win') }
  if (row['c'] < 5) { return('hooray') }
  if (row['d'] == 1) { return('a thing') }
  return('huh?')
})

你预期当row['a']为TRUE时返回'we win'，但实际第一行、第三行这些a为TRUE的行却返回了'hooray'——这个坑我之前也踩过！

问题根源：apply()会强制统一数据类型 #

apply()处理数据框时，会先把整个数据框转换成矩阵，而矩阵只能容纳一种数据类型。你的数据框里有字符列b，所以所有列都会被强制转换成字符型——包括原本的逻辑列a、数值列c和d。

也就是说，你在匿名函数里取row['a']时，它的值不是逻辑值TRUE，而是字符串"TRUE"。这时候row['a'] == T就变成了字符串和逻辑值的跨类型比较，R中这种比较的结果是FALSE，所以第一个条件永远不会触发，程序就走到了第二个条件row['c'] <5——这里row['c']是字符串"1"、"3"等，R会自动把它转成数值，所以1<5、3<5都是TRUE，自然返回'hooray'了。

解决方案 #

方案1：用向量化操作（推荐，更符合R的风格）

R的核心优势是向量化运算，比apply()更高效也更不容易出错。你可以用基础R的ifelse()嵌套，或者用dplyr的case_when()（代码可读性更好）：

基础R版本：

wtf$huh <- with(wtf, 
  ifelse(a, 'we win',
    ifelse(c < 5, 'hooray',
      ifelse(d == 1, 'a thing', 'huh?')
    )
  )
)

dplyr版本（代码更清晰）：

library(dplyr)
wtf <- wtf %>%
  mutate(huh = case_when(
    a ~ 'we win',          # 第一个满足的条件生效
    c < 5 ~ 'hooray',
    d == 1 ~ 'a thing',
    TRUE ~ 'huh?'          # 所有条件都不满足时的默认值
  ))

方案2：如果一定要用apply()，手动转换类型

如果你坚持要用apply()，那就在匿名函数里把每个元素转成正确的类型：

wtf$huh = apply(wtf, 1, function(row) {
  a_val <- as.logical(row['a'])  # 把字符串转成逻辑值
  c_val <- as.numeric(row['c'])  # 把字符串转成数值
  d_val <- as.numeric(row['d'])
  
  if (a_val) { return('we win') }
  if (c_val < 5) { return('hooray') }
  if (d_val == 1) { return('a thing') }
  return('huh?')
})

验证结果 #

修改后再查看wtf，就能得到你预期的结果：

> wtf
    a   b c d    huh
1 TRUE   a 1 0 we win
2 FALSE  b 2 0 hooray
3 TRUE   c 3 0 we win
4 FALSE de 4 0 hooray
5 TRUE   f 5 0 we win
6 TRUE   g 6 1 we win

内容的提问来源于stack exchange，提问作者ifly6