如何用apply替代for循环将数据框字符向量转为指定水平的factor？

当然可以用apply家族的函数替代你的for循环，其中**lapply**是更稳妥的选择——它会逐个处理指定变量，同时保留数据框的结构，不会像基础apply那样把数据框强制转换为矩阵（矩阵只能存单一类型，反而会添乱）。

先模拟你的原for循环逻辑（基于常见场景） #

假设你的原数据框是original_df（包含带标签的因子变量），新数据框是new_df（对应变量为字符型），用户指定的目标变量是target_vars，原循环大概是这样：

target_vars <- c("category", "status") # 用户指定的变量

# 原for循环实现
for (var in target_vars) {
  new_df[[var]] <- factor(
    new_df[[var]],
    levels = levels(original_df[[var]]),
    labels = labels(original_df[[var]])
  )
}

用lapply替代的写法 #

直接对目标变量列表迭代，返回的结果直接赋值给新数据框的对应列：

new_df[target_vars] <- lapply(target_vars, function(var) {
  factor(
    new_df[[var]],
    levels = levels(original_df[[var]]),
    labels = labels(original_df[[var]])
  )
})

更简洁的Map写法 #

如果要同时对应新数据框和原数据框的列，Map（属于apply家族）会更直观：

new_df[target_vars] <- Map(function(new_col, orig_col) {
  factor(new_col, levels = levels(orig_col), labels = labels(orig_col))
}, new_df[target_vars], original_df[target_vars])

额外场景：自动筛选新数据框中的所有字符列 #

如果用户没有指定变量，而是要把新数据框中所有字符型向量转成对应原数据框的因子，可以先筛选出字符列再处理：

# 筛选新数据框中的字符列
char_cols <- sapply(new_df, is.character)

# 批量转换
new_df[char_cols] <- lapply(names(new_df)[char_cols], function(var) {
  factor(
    new_df[[var]],
    levels = levels(original_df[[var]]),
    labels = labels(original_df[[var]])
  )
})

为什么不推荐用基础apply？ #

基础apply函数会把数据框转换为矩阵处理，而矩阵只能存储一种数据类型——如果你的数据框里有数值、字符混合的列，矩阵会把所有内容转成字符型，后续再转因子反而多了一步不必要的操作，效率和简洁性都不如lapply或Map。

内容的提问来源于stack exchange，提问作者jdenn0514