如何在R中对数据框每行调用自定义函数实现条件式Sales计算？

嗨，我来帮你搞定这个需求～首先咱们先看看你原来的自定义函数存在的小问题：

• 函数里直接用Name、Quantity这些列名，但你的函数参数是x，并没有引用传入的行数据x里的元素；
• 缺少else分支来返回NA，不符合你对非John/Tom行的要求。

下面给你几种可行的解决方案，从高效到灵活都有：

1. 向量化操作（推荐！） #

R是向量化语言，直接用向量化的条件判断是效率最高的方式，不用逐行循环或者调用apply，代码也最简洁：

# 直接生成Sales列
df$Sales <- ifelse(df$Name %in% c('John','Tom'), df$Quantity * df$Price, NA)

运行后直接就能得到你想要的结果，这种方法在处理大数据框时优势特别明显。

2. 自定义函数 + apply逐行处理 #

如果你一定要用自定义函数来实现，那咱们先修正函数，再用apply逐行调用：

# 修正后的自定义函数：引用传入的行数据x
myFunc <- function(x) {
  if (x[["Name"]] %in% c('John','Tom')) {
    return(x[["Quantity"]] * x[["Price"]])
  } else {
    return(NA)
  }
}

# 按行应用函数，MARGIN=1表示按行处理
df$Sales <- apply(df, MARGIN = 1, FUN = myFunc)

这里用x[["Name"]]来访问每行的Name元素，确保函数能正确拿到传入的行数据里的值，同时补上了else分支返回NA。

3. tidyverse风格：用dplyr的rowwise #

如果你平时习惯用tidyverse工具链，用dplyr的rowwise可以很直观地实现逐行逻辑：

library(dplyr)

df <- df %>%
  rowwise() %>% # 告诉dplyr按行处理
  mutate(Sales = ifelse(Name %in% c('John','Tom'), Quantity * Price, NA)) %>%
  ungroup() # 取消逐行模式，避免后续操作变慢

验证结果 #

不管用哪种方法，运行后你都会得到期望的输出：

> df
  Name Quantity Price Sales
1 John        3     5    15
2  Tom        4     6    24
3 Sarah       5     7    NA

内容的提问来源于stack exchange，提问作者LaEdri