R语言中如何高效为大数据框基于列值条件赋值（替代循环）

针对你35万行数据框的条件赋值需求，完全不需要用低效的for循环，以下几种向量化方法能大幅提升速度：

方法1：使用ifelse()向量化函数 #

这是最直观的实现方式，ifelse()是R原生的向量化条件判断函数，底层用C优化，处理大向量效率极高：

df$vec2 <- ifelse(df$vec1 == 1, "free", "not available")

方法2：因子转换法 #

将vec1转换为因子并指定标签，再转回字符型，适合这种二元分类的赋值场景：

df$vec2 <- as.character(
  factor(df$vec1, 
         levels = c(0, 1), 
         labels = c("not available", "free"))
)

方法3：逻辑索引直接赋值 #

通过逻辑索引定位子集后批量赋值，也是非常高效的方式：

# 先给vec1=1的位置赋值
df$vec2[df$vec1 == 1] <- "free"
# 再给vec1=0的位置赋值
df$vec2[df$vec1 == 0] <- "not available"

为什么for循环慢？ #

R的for循环是解释执行的，每次迭代都要进行大量的类型检查和环境交互，而上述向量化操作都是底层C实现的批量处理，在35万行这种大样本下，速度差异会非常显著。

内容的提问来源于stack exchange，提问作者climsaver