如何在R中为指定列应用自定义函数并解决长度不匹配报错

问题原因 #

你定义的choose_lon函数仅支持单个数值输入，当通过mutate传入整个lon列（向量）时，abs(lon_seq - lon_coord)会生成一个行数为length(lon_seq)、列数为length(lon)的矩阵，后续min(abs(...))取的是整个矩阵的最小值，which返回的位置索引长度与输入向量不匹配，因此触发longer object length is not a multiple of shorter object length错误。

方案1：用sapply逐个处理向量元素 #

直接在mutate中用sapply遍历lon列的每个元素，调用原函数处理：

require(dplyr)

lon_seq <- c(seq(120.125, 125.525, 0.05))

choose_lon <- function(lon_coord){
  lon2 <- lon_seq[which(abs(lon_seq - lon_coord) == min(abs(lon_seq - lon_coord)))][1]
  base::return(lon2)
}

df <- data.frame(
  place = c('A', 'B', 'C', 'D', 'E'),
  code = c('1', '1', '2', '3', '2'),
  lon = c(123.4036, 123.7555, 120.6116, 124.6726, 122.3436)
)

df2 <- df %>%
  mutate(lon2 = sapply(lon, choose_lon))

方案2：重写向量化函数（高效推荐） #

由于lon_seq是等间隔序列（步长0.05，起始值120.125），可以通过数学计算直接得到最近值，无需遍历整个序列，效率大幅提升：

choose_lon_vec <- function(lon_coord) {
  # 计算与起始值的偏移量
  offset <- lon_coord - 120.125
  # 计算最近的步长数
  nearest_step <- round(offset / 0.05)
  # 还原为序列中的对应值
  120.125 + nearest_step * 0.05
}

df2 <- df %>%
  mutate(lon2 = choose_lon_vec(lon))

验证：以123.4036为例，计算得123.425，与遍历lon_seq得到的最近值一致。

方案3：用rowwise逐行处理 #

如果偏好dplyr风格的逐行操作，可以用rowwise包裹：

df2 <- df %>%
  rowwise() %>%
  mutate(lon2 = choose_lon(lon)) %>%
  ungroup()

注意：该方法效率低于前两种，不建议处理大数据集。

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