如何基于外部分组为R数据框创建计算列（无需循环）？

现有预定义分组列表及数据框如下：

group_1<-c("A","B","C")
group_2<-c("D","E","F")

item<-c("A","B","C","D","E","F")
item_price<-(1:6)

df<-data.frame(item,item_price)

数据框初始输出：

> df
  item item_price
1    A          1
2    B          2
3    C          3
4    D          4
5    E          5
6    F          6

需要创建新列df_new_rate，规则为：group_1中的项的item_price乘以0.1，group_2中的项乘以0.2，期望输出：

> df
  item item_price df_new_rate
1    A          1         0.1
2    B          2         0.2
3    C          3         0.3
4    D          4         0.8
5    E          5         1.0
6    F          6         1.2

询问是否必须用for循环实现，寻求更简洁的方法。

完全不需要用for循环，R的向量化操作可以高效完成需求，以下是几种常用思路：

方法1：基础R ifelse 函数 #

利用向量化条件判断直接生成新列，代码简洁高效：

df$df_new_rate <- ifelse(df$item %in% group_1, df$item_price * 0.1, df$item_price * 0.2)

ifelse会逐行判断item所属分组，自动匹配对应计算逻辑，全程无循环。

方法2：构建分组-系数映射表（扩展性强） #

先创建包含所有分组与对应系数的映射关系，再通过match匹配计算：

# 构建映射向量
coef_map <- c(rep(0.1, length(group_1)), rep(0.2, length(group_2)))
names(coef_map) <- c(group_1, group_2)

# 匹配系数并计算新列
df$df_new_rate <- df$item_price * coef_map[match(df$item, names(coef_map))]

这种方法适合分组数量多的场景，只需维护映射表即可快速调整规则。

方法3：dplyr 包 case_when（可读性高） #

如果熟悉tidyverse生态，case_when能清晰写出多条件逻辑，代码可读性拉满：

library(dplyr)

df <- df %>%
  mutate(df_new_rate = case_when(
    item %in% group_1 ~ item_price * 0.1,
    item %in% group_2 ~ item_price * 0.2
  ))

支持多个条件分支，后续新增分组规则时只需追加行即可。

方法4：data.table 包（大数据场景首选） #

处理超大数据集时，data.table的性能优势明显，语法简洁：

library(data.table)

setDT(df)
df[item %in% group_1, df_new_rate := item_price * 0.1]
df[item %in% group_2, df_new_rate := item_price * 0.2]

采用原地修改的方式（也可保留原表），百万级以上数据处理速度远优于其他方法。

内容的提问来源于stack exchange，提问作者Bubbles