R语言for循环仅执行首次迭代即终止的问题排查

你的循环逻辑存在核心错误：用同一个索引i同时遍历pd_frame和norms_table，但两个表行数不同（pd_frame有10行，norms_table有21行），而且每个待转换的分数需要检查所有常模区间，而非仅对应位置的单个区间，这才导致循环无法正确遍历所有数据行。

修正方案1：修复嵌套for循环 #

先初始化百分位列，再通过内层循环遍历所有常模区间，为每个分数找到匹配的百分位数：

# 初始化percentile列
pd_frame$percentile <- NA

for (i in 1:nrow(pd_frame)) {
  current_score <- pd_frame$domain_score[i]
  # 遍历所有常模区间，寻找匹配项
  for (j in 1:nrow(norms_table)) {
    if (current_score >= norms_table$score_start[j] & current_score <= norms_table$score_end[j]) {
      pd_frame$percentile[i] <- norms_table$percentile[j]
      # 找到匹配后跳出内层循环，提升效率
      break
    }
  }
}

修正方案2：更高效的向量化方法（推荐） #

R更适合用向量化操作替代循环，这里提供两种简洁高效的实现方式：

方法A：使用findInterval #

利用分数区间的有序性，直接匹配区间索引：

# 将常模表按分数起始值升序排列
norms_sorted <- norms_table[order(norms_table$score_start), ]

# 匹配每个分数对应的区间索引
interval_idx <- findInterval(pd_frame$domain_score, norms_sorted$score_start, rightmost.closed = TRUE)

# 映射对应的百分位数
pd_frame$percentile <- norms_sorted$percentile[interval_idx]

方法B：使用dplyr包的行操作 #

如果习惯tidyverse风格，用rowwise()逐行匹配：

library(dplyr)

pd_frame <- pd_frame %>%
  rowwise() %>%
  mutate(percentile = norms_table$percentile[which(domain_score >= norms_table$score_start & domain_score <= norms_table$score_end)]) %>%
  ungroup()

内容的提问来源于stack exchange，提问作者Jacob Mulleavey