R语言嵌套For循环转apply函数的技术咨询

原代码的核心需求是按id分组，对每列提取该组内第一个非NA值，嵌套循环的低效在于逐元素赋值、重复子集匹配，以下是几种更高效的实现方式，包括你关注的apply家族方法：

1. Base R（apply家族：by + sapply） #

利用by按ID拆分数据，结合sapply遍历列提取目标值，全程向量化操作：

# 按id分组处理，提取每列首个非NA值
grouped_result <- by(demo, demo$id, function(group) {
  sapply(group, function(col) {
    # 取该列第一个非NA值，无有效值则返回NA
    col[!is.na(col)][1]
  })
})

# 将分组结果合并为数据框，重置行名
washu <- as.data.frame(do.call(rbind, grouped_result))
rownames(washu) <- NULL

2. Tidyverse（更直观的语法） #

用dplyr的分组聚合，代码可读性更高，效率优于嵌套循环：

library(dplyr)

washu <- demo %>%
  group_by(id) %>%
  # 对所有列执行：提取第一个非NA值
  summarise(across(everything(), ~ first(.[!is.na(.)])), .groups = "drop")

3. Data.table（大数据量下最快选择） #

如果数据量较大，data.table的分组操作速度远超base R和dplyr：

library(data.table)

# 转换为data.table格式
setDT(demo)
# 按id分组，对每列提取首个非NA值
washu <- demo[, lapply(.SD, function(col) col[!is.na(col)][1]), by = id]

为什么原循环慢？ #

原代码的嵌套循环存在两个核心效率问题：

• 每次循环都重复执行washu$id==i和demo$id==i的逻辑匹配，产生大量冗余计算
• 逐列逐行赋值属于标量操作，R的循环在处理这类操作时无法利用向量化优化，4200个ID×371列的组合会导致极多的重复操作

以上方法均基于向量化分组聚合，避免了逐元素赋值，运行速度会有数量级的提升。

内容的提问来源于stack exchange，提问作者Steven Haworth