使用apply按行条件修改DataFrame的type列值无效问题排查

需求与问题重现 #

需求：当DataFrame某一行中cell_1至cell_5的任意数值≥340时，将该行type列值改为'H'。

编写的代码看似正常运行，但DataFrame未发生预期变化（第一行type仍为'A'）：

# make data frame
df <- data.frame(
  cell_1 = c(50,10,10,125,110,300,75),
  cell_2 = c(0,75,10,70,35,70,85),
  cell_3 = c(340,230,10,10,110,10,80),
  cell_4 = c(10,75,70,70,35,10,85),
  cell_5 = c(0,10,300,125,110,10,75),
  type = c('A','A','J','U','S','L','F'),
  uniq_Id = c(1,2,3,4,5,6,7)
)

# change 'type' to 'H' if any of the cell values in each row are greater than or equal to 340
apply(df[,1:5], 1, function(i) {
  if (any(i >= 340)) {
    df$type = 'H'
  }
})

当前输出（未达到预期）：

cell_1 cell_2 cell_3 cell_4 cell_5 type uniq_Id
1     50      0    340     10      0    A       1
2     10     75    230     75     10    A       2
3     10     10     10     70    300    J       3
4    125     70     10     70    125    U       4
5    110     35    110     35    110    S       5
6    300     70     10     10     10    L       6
7     75     85     80     85     75    F       7

原代码错误原因 #

原代码的核心问题有两个：

• 在apply的匿名函数中直接执行df$type = 'H'，这会覆盖整个type列，而非仅修改满足条件的行；
• apply的执行环境是独立的，函数内对全局df的修改无法正确生效，最终导致整个操作无效。

正确解决方案 #

方案1：Base R 实现 #

先生成标记满足条件行的逻辑索引，再通过索引修改目标列：

# 生成逻辑向量：标记每行是否有cell_1-cell_5的数值≥340
target_rows <- apply(df[, 1:5], 1, function(row) any(row >= 340))
# 仅对满足条件的行修改type值
df$type[target_rows] <- 'H'

方案2：dplyr 实现（更简洁） #

如果习惯使用tidyverse工具链，可以用dplyr的行操作或列批量处理：

library(dplyr)

# 方式1：rowwise逐行判断
df <- df %>%
  rowwise() %>%
  mutate(type = ifelse(any(c(cell_1, cell_2, cell_3, cell_4, cell_5) >= 340), 'H', type)) %>%
  ungroup()

# 方式2：用across+rowSums实现（无需rowwise，效率更高）
df <- df %>%
  mutate(type = ifelse(rowSums(across(cell_1:cell_5, ~ .x >= 340)) > 0, 'H', type))

修改后预期输出 #

cell_1 cell_2 cell_3 cell_4 cell_5 type uniq_Id
1     50      0    340     10      0    H       1
2     10     75    230     75     10    A       2
3     10     10     10     70    300    J       3
4    125     70     10     70    125    U       4
5    110     35    110     35    110    S       5
6    300     70     10     10     10    L       6
7     75     85     80     85     75    F       7

内容的提问来源于stack exchange，提问作者Ray J