使用lapply处理数据框时所有元素返回相同值的问题排查

首先明确：lapply处理数据框时，是按「列」作为单位迭代的——它会把数据框的每一列（整个向量）作为参数传给你的remove_semicolon函数，而不是像sapply(rubbish[,1], ...)那样逐个单元格传递元素。

假设你的remove_semicolon函数是类似下面的写法（只针对单个字符串处理）：

remove_semicolon <- function(x) {
  strsplit(x, ":")[[1]][1]
}

当你把一整列向量传给这个函数时，strsplit(x, ":")会返回一个列表（每个元素对应列中一个单元格的分割结果），但[[1]]只会取列表的第一个元素（也就是列中第一个单元格的分割结果），然后[1]提取第一个部分，最终整个列都会被赋值为这个值（比如你看到的"0/0"，应该是第一列第一个单元格的处理结果），这就是所有元素都返回"0/0"的原因。

两种解决方式 #

方式1：修改函数支持向量输入 #

把函数改成能批量处理向量的版本，这样lapply按列传递时就能正确处理每个单元格：

remove_semicolon <- function(x) {
  # 用sapply遍历每个元素的分割结果，提取第一个部分
  sapply(strsplit(x, ":"), `[`, 1)
}

之后再执行rubbish[] = lapply(rubbish, remove_semicolon)，就能得到正确结果。

方式2：用rapply逐个处理单元格 #

如果不想修改原函数，可以用rapply递归遍历数据框的每个元素，逐个应用函数：

rubbish[] <- rapply(rubbish, remove_semicolon, how = "replace")

how = "replace"会让处理后的结果替换原数据框对应位置的元素。

内容的提问来源于stack exchange，提问作者Max