能否用apply系列函数替代多dataframe行操作的for循环？

当然可以用apply系列函数实现这个逻辑，这里推荐使用sapply来简化代码，替代原有的for循环：

首先保留原样本数据：

# Sample data
set.seed(123)
df1 <- data.frame(a = sample(1:100, size = 20), b = sample(letters, size = 20))
df2 <- data.frame(c = sample(1:100, size = 20), d = sample(letters, size = 20))

用sapply实现核心逻辑 #

# 替代for循环的sapply写法
df2$x <- sapply(df2$c, function(num) {
  match_letter <- df1$b[df1$a == num]
  if (length(match_letter) > 0) match_letter else "No match"
})

代码说明 #

• sapply会遍历df2$c中的每个数值，将其传入匿名函数作为参数num
• 在匿名函数内，匹配df1中a列等于num对应的b列值
• 通过判断匹配结果的长度（替代原代码的!is_empty，无需额外依赖包），返回匹配字母或"No match"
• 最终sapply返回的结果直接赋值给df2$x，无需逐行索引操作

按行遍历的apply实现（可选） #

如果需要严格按行遍历df2，也可以用apply按行处理：

# 按行遍历df2的apply写法
df2$x <- apply(df2, 1, function(row) {
  num <- as.integer(row["c"])
  match_letter <- df1$b[df1$a == num]
  if (length(match_letter) > 0) match_letter else "No match"
})

不过第一种直接遍历目标列的方式效率更高，无需处理整行冗余数据。

内容的提问来源于stack exchange，提问作者Jake