嵌套lapply是否不适用于操作向量单个元素？R代码改写疑问

原问题背景 #

我有一个长度为12的列表hh_temp，每个元素都是dataframe。原本用嵌套for循环计算max_min_sum列的5天连续和，若和大于2则给max_min_sum_5days对应位置赋值1，否则0：

for(i in 1:length(hh_temp)){
  hh_temp_save = hh_temp[[i]]
  for(j in 4:nrow(hh_temp_save)){
    hh_temp_save$max_min_sum_5days[j] = ifelse(sum(hh_temp_save$max_min_sum[(j-4):j])>2,1,0)
    hh_temp[[i]] = hh_temp_save
 }
}

尝试用嵌套lapply改写后，只能返回被操作的向量，拿不到完整数据集。想知道怎么返回完整数据集，以及嵌套lapply是不是不适合操作向量中的单个元素？

数据集结构 #

> str(hh_temp)
List of 12
 $ : tibble [3,684 × 36] (S3: tbl_df/tbl/data.frame)
  ..$ max_min_sum                                      : num [1:3684] 0 0 0 0 0 0 0 0 0 0 ...
  ..$ max_min_sum_5days                                : num [1:3684] NA NA NA NA NA NA NA NA NA NA ...
 $ : tibble [3,684 × 36] (S3: tbl_df/tbl/data.frame)
  ..$ max_min_sum                                      : num [1:3684] 0 0 0 0 0 0 0 0 0 0 ...
  ..$ max_min_sum_5days                                : num [1:3684] NA NA NA NA NA NA NA NA NA NA ...

# 重复12次
# max_min_sum是二元变量

示例数据 #

df = data.frame(a = as.factor(c(1,1,1,1,0,0,0,0,1,1,1,1,1,0,0,1,0,1)),
                b = rep(NA,18))

sample_list = list(df,df,df,df,df,df)

预期结果 #

计算a列连续5个元素的和，若和大于2则给b列对应位置赋值1，否则0，示例如下：

比如第5个a元素对应的连续和是4，大于2，所以b对应位置为1。

解决方案 #

1. 正确使用lapply返回完整数据集 #

lapply完全可以用来操作列表中的dataframe并返回完整数据集，核心是要在每个lapply的函数中返回修改后的整个dataframe，而不是只返回被修改的向量。

针对需求的改写代码如下：

# 先安装并加载zoo包（如果未安装）
# install.packages("zoo")
library(zoo)

hh_temp <- lapply(hh_temp, function(df) {
  # 确保max_min_sum是数值型（如果是因子需转换）
  df$max_min_sum <- as.numeric(df$max_min_sum)
  # 计算滚动5项和，前4个位置保留NA
  roll_sum <- rollsum(df$max_min_sum, k = 5, fill = NA, align = "right")
  # 生成目标列
  df$max_min_sum_5days <- ifelse(roll_sum > 2, 1, 0)
  # 返回修改后的完整dataframe
  return(df)
})

2. 为什么你的嵌套lapply只返回向量？ #

大概率是你在内部lapply中只返回了修改后的max_min_sum_5days向量，没有把它放回原dataframe并返回整个数据集。比如错误写法类似：

# 错误示例：仅返回向量，丢失原数据集其他列
hh_temp <- lapply(hh_temp, function(df) {
  lapply(4:nrow(df), function(j) {
    sum_val <- sum(df$max_min_sum[(j-4):j])
    ifelse(sum_val > 2, 1, 0)
  })
})

这种写法会把每个dataframe变成向量列表，自然丢失原数据集结构。

3. 更高效的替代方案：用滚动窗口函数替代循环 #

原for循环效率较低，数据量大时更明显。用slider包的滚动函数也能实现需求，代码更直观：

# 先安装并加载slider包（如果未安装）
# install.packages("slider")
library(slider)

hh_temp <- lapply(hh_temp, function(df) {
  df$max_min_sum <- as.numeric(df$max_min_sum)
  # .before=4表示取当前行及前4行（共5行），.complete=TRUE确保只有完整窗口才计算
  roll_sum <- slide_dbl(df$max_min_sum, ~sum(.x), .before = 4, .complete = TRUE)
  df$max_min_sum_5days <- ifelse(roll_sum > 2, 1, 0)
  return(df)
})

内容的提问来源于stack exchange，提问作者doraemon