R语言中高效重编码数据框多列数值的方法求助

以下是几种比你当前实现更高效的方法，均基于R的向量化操作或专用分箱函数，避免了重复索引和冗余条件判断：

方法1：Base R cut() 分箱函数 #

cut() 是专为区间划分设计的函数，适合批量处理数值分箱，效率极高：

# 定位目标列
target_cols <- df[, 2:13]
# 按区间划分并映射为目标值，include.lowest=TRUE确保1被包含在[0,5]区间内
df[, 2:13] <- cut(
  target_cols,
  breaks = c(-Inf, 0, 5, Inf),
  labels = c(0, 1, 2),
  include.lowest = TRUE
)
# 若需要保持数值类型（cut默认返回因子），转换为整数
df[, 2:13] <- as.integer(as.character(df[, 2:13]))

方法2：嵌套向量化 ifelse() #

利用R的向量化特性，单次遍历完成所有条件判断：

df[, 2:13] <- ifelse(
  df[, 2:13] == 0, 0,
  ifelse(df[, 2:13] > 0 & df[, 2:13] <= 5, 1, 2)
)

方法3：Tidyverse 风格（dplyr） #

如果习惯tidyverse语法，用mutate_at()批量处理列，case_when()清晰定义规则：

library(dplyr)

df <- df %>%
  mutate_at(vars(2:13), ~case_when(
    .x == 0 ~ 0,
    .x > 0 & .x <= 5 ~ 1,
    TRUE ~ 2
  ))

原始代码效率低的原因 #

你当前的代码多次重复索引df[,2:13]，且用多个==加|的方式逐个判断值，会生成多个逻辑矩阵并重复读取数据，在数据量大时开销会显著增加。上面的方法均为单次遍历或向量化操作，大幅减少了冗余计算。

内容的提问来源于stack exchange，提问作者abenol