R语言高效替代多case_when：匹配最大值对应关联变量

针对重复使用case_when的冗余问题，推荐用数据重塑+分组取最大值的思路解决，既能避免多次条件判断，又能提升处理效率，具体步骤如下：

1. 把宽格式数据转成整合型长格式 #

将每组（n/c/s）的C、L、U变量归到同一行，同时标记组别：

library(tidyverse)

# 假设原数据框为df
df_long <- df %>%
  pivot_longer(
    cols = everything(),
    names_to = c(".value", "group"),
    names_pattern = "(C|L|U)_(.)"
  )

这里用正则表达式拆分变量名，.value保留前缀（C/L/U）作为新列名，group存储组别标签（n/c/s）。

2. 按行筛选最大值对应的关联变量 #

给原数据的每一行标记序号，按序号分组后筛选出U值最大的行，一次性拿到对应C、L和组别（即regime标签）：

df_result <- df_long %>%
  group_by(row_number()) %>%
  filter(U == max(U)) %>%
  ungroup() %>%
  select(-row_number())

3. 合并结果回原数据（可选） #

如果需要保留原数据的同时新增匹配变量，直接绑定列即可：

df_final <- df %>%
  bind_cols(df_result %>% rename(regime = group, max_U = U, matched_C = C, matched_L = L))

核心优势 #

• 无需嵌套ifelse或多次case_when，代码逻辑更简洁
• 后续新增关联变量时，只需在pivot_longer中包含对应前缀，无需修改条件判断部分
• 数据量较大时，长格式分组筛选的运算效率远高于多次条件判断

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