如何基于另一向量名称创建新向量并在循环中追加值？

你的代码存在的核心问题 #

• if语句的标量判断限制：R中的if是标量条件判断，当你用larm_age$Analys == prover[i]这种向量比较时，会返回一个长度等于数据框行数的逻辑向量，if只会取第一个元素进行判断，这就是你收到the condition has length > 1 and only the first element will be used报错的直接原因。
• 动态赋值的写法错误：paste(prover[i], sep="") <- 1这种写法完全不符合R的语法规则，paste只是生成字符串的函数，不能直接作为赋值对象。要动态创建变量，应该使用assign()函数，但更推荐用列表管理结果，避免污染全局环境。
• 循环逻辑的效率低下：你的循环遍历prover的每个元素，但每次循环都处理整个数据框，没有筛选出Analys匹配的行，会大量重复处理无关数据，对于大型数据框来说效率极低。

更简洁高效的实现方案 #

推荐使用向量化操作替代循环，既解决逻辑问题，又大幅提升效率。以下提供两种常用方案：

方案1：使用dplyr（tidyverse风格） #

library(dplyr)

# 第一步：为所有行生成符合条件的标记值（1/0）
larm_age <- larm_age %>%
  mutate(
    mark = case_when(
      # 年龄≥18的判断逻辑
      Ålder >= 18 ~ as.integer(Res <= ngräns_v | Res >= ögräns_v),
      # 年龄0.1~18的判断逻辑
      Ålder >= 0.1 & Ålder < 18 ~ as.integer(Res <= ngräns_b | Res >= ögräns_b),
      # 年龄<0.1的判断逻辑
      Ålder < 0.1 ~ as.integer(Res <= ngräns_s | Res >= ögräns_s),
      # 处理边界外的异常情况（如年龄为负）
      TRUE ~ 0
    )
  )

# 第二步：按Analys分组，提取每个组的mark向量到列表中
result_list <- larm_age %>%
  group_by(Analys) %>%
  group_split() %>%
  set_names(sapply(., function(x) x$Analys[1])) %>%
  lapply(function(x) x$mark)

# 可选：如果需要将每个向量单独赋值到全局环境（不推荐，建议用列表管理）
purrr::walk2(names(result_list), result_list, ~ assign(.x, .y, envir = .GlobalEnv))

方案2：使用Base R #

# 第一步：初始化标记列
larm_age$mark <- 0

# 分年龄区间赋值标记
# 年龄≥18的情况
age_v <- larm_age$Ålder >= 18
larm_age$mark[age_v] <- as.integer(larm_age$Res[age_v] <= ngräns_v | larm_age$Res[age_v] >= ögräns_v)

# 年龄0.1~18的情况
age_b <- larm_age$Ålder >= 0.1 & larm_age$Ålder < 18
larm_age$mark[age_b] <- as.integer(larm_age$Res[age_b] <= ngräns_b | larm_age$Res[age_b] >= ögräns_b)

# 年龄<0.1的情况
age_s <- larm_age$Ålder < 0.1
larm_age$mark[age_s] <- as.integer(larm_age$Res[age_s] <= ngräns_s | larm_age$Res[age_s] >= ögräns_s)

# 第二步：提取prover中每个名称对应的标记向量到列表
result_list <- lapply(prover, function(p) larm_age$mark[larm_age$Analys == p])
names(result_list) <- prover

# 可选：赋值到全局环境
for(p in prover) {
  assign(p, result_list[[p]], envir = .GlobalEnv)
}

方案优势 #

• 向量化操作：避免循环的标量判断问题，处理大型数据框的效率远高于循环。
• 逻辑清晰：用case_when或子集赋值明确区分不同年龄区间的判断规则，可读性更强。
• 结果易管理：用列表统一存储所有结果，避免在全局环境中创建大量零散变量，降低代码维护难度。

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