R dplyr，将 mutate 与 na.omit 一起使用会导致错误大小不兼容 (%d)

Question

我正在做数据清理。我在 Dplyr 中经常使用 mutate，因为它会逐步生成新列，我可以很容易地看到它是如何进行的。

这是我遇到此错误的两个示例

Error: incompatible size (%d), expecting %d (the group size) or 1

---

示例 1：从邮政编码获取城镇名称。数据就是这样的：

    Zip
1 02345
2 02201

我注意到当数据中有 NA 时，它不起作用。

没有 NA 它可以工作：

library(dplyr)
library(zipcode)
data(zipcode)

test = data.frame(Zip=c('02345','02201'),stringsAsFactors=FALSE)

test %>%
  rowwise() %>%
  mutate( Town1 = zipcode[zipcode$zip==na.omit(Zip),'city'] )

导致

Source: local data frame [2 x 2]
Groups: <by row>

    Zip   Town1
1 02345 Manomet
2 02201  Boston

对于 NA，它不起作用：

library(dplyr)
library(zipcode)
data(zipcode)

test = data.frame(Zip=c('02345','02201',NA),stringsAsFactors=FALSE)

test %>%
  rowwise() %>%
  mutate( Town1 = zipcode[zipcode$zip==na.omit(Zip),'city'] )

导致

Error: incompatible size (%d), expecting %d (the group size) or 1

---

示例 2。我想去掉以下数据中 Town 列中出现的冗余州名。

         Town State
1   BOSTON MA    MA
2 NORTH AMAMS    MA
3  CHICAGO IL    IL

这就是我的做法： (1) 将 Town 中的字符串拆分为单词，例如第 1 行的“波士顿”和“MA”。 (2) 查看这些词是否与该行的状态匹配 (3) 删除匹配词

library(dplyr)
test = data.frame(Town=c('BOSTON MA','NORTH AMAMS','CHICAGO IL'), State=c('MA','MA','IL'), stringsAsFactors=FALSE)

test %>%
  mutate(Town.word = strsplit(Town, split=' ')) %>%
  rowwise() %>% # rowwise ensures every calculation only consider currect row
  mutate(is.state = match(State,Town.word ) ) %>%
  mutate(Town1 = Town.word[-is.state])

这会导致：

         Town State Town.word is.state   Town1
1   BOSTON MA    MA  <chr[2]>        2  BOSTON
2 NORTH AMAMS    MA  <chr[2]>       NA      NA
3  CHICAGO IL    IL  <chr[2]>        2 CHICAGO

含义：例如，第 1 行显示 is.state==2，表示 Town 中的第二个单词是州名。摆脱这项工作后，Town1 是正确的城镇名称。

现在我想修复第 2 行中的 NA，但添加 na.omit 会导致错误：

test %>%
  mutate(Town.word = strsplit(Town, split=' ')) %>%
  rowwise() %>% # rowwise ensures every calculation only consider currect row
  mutate(is.state = match(State,Town.word ) ) %>%
  mutate(Town1 = Town.word[-na.omit(is.state)]) 

结果：

Error: incompatible size (%d), expecting %d (the group size) or 1

---

我检查了数据类型和大小：

test %>%
  mutate(Town.word = strsplit(Town, split=' ')) %>%
  rowwise() %>% # rowwise ensures every calculation only consider currect row
  mutate(is.state = match(State,Town.word ) ) %>%
  mutate(length(is.state) ) %>%       
  mutate(class(na.omit(is.state)))

结果：

         Town State Town.word is.state length(is.state) class(na.omit(is.state))
1   BOSTON MA    MA  <chr[2]>        2                1                  integer
2 NORTH AMAMS    MA  <chr[2]>       NA                1                  integer
3  CHICAGO IL    IL  <chr[2]>        2                1                  integer

所以它是长度的 %d==1。有人可以在哪里出错吗？谢谢

Answer 1

你能直接sub吗？

test %>%
    rowwise() %>%
    mutate(Town=sub(sprintf('[, ]*%s$', State), '', Town))
## Source: local data frame [3 x 2]
## Groups: <by row>
##
##          Town State
## 1      BOSTON    MA
## 2 NORTH AMAMS    MA
## 3     CHICAGO    IL

（如果发生这种情况，这种方式也会在城镇后面加上逗号。）

注意：如果您在此处使用 ungroup() 和 rowwise_df（原样），它也会擦除 tbl_df 类并输出一个直接的 data.frame，这对您的数据很好，但会破坏如果您不小心并且正在查看大量数据（正如我无数次所做的那样），您的屏幕。 （Github 引用 #936 和 #553。）