R语言：如何按列名和行循环函数，按比例生成二项式感染标记？

首先说明：你提到的“列表”大概率是R中的数据框（data frame），这是处理表格数据最常用的结构，下面的示例都基于数据框展开。

步骤1：准备示例数据（可替换成你的真实数据） #

先创建一个模拟数据框方便演示，你可以把df换成自己的数据框，age换成你要处理的目标列名：

# 设置随机种子，让结果可重复
set.seed(123)
df <- data.frame(
  col1 = rnorm(100),
  col2 = runif(100),
  age = sample(c(15,16,17,18), 100, replace = TRUE), # 目标列，包含15、16等取值
  col4 = sample(letters, 100, replace = TRUE),
  col5 = sample(1:10, 100, replace = TRUE)
)

步骤2：定义值与感染概率的映射 #

把不同目标值对应的感染概率存成命名向量，方便后续调用：

prob_map <- c(
  "15" = 0.001,  # 15对应0.1%感染概率
  "16" = 0.005,  # 16对应0.5%感染概率
  "17" = 0.01,   # 示例：17对应1%感染概率
  "18" = 0.02    # 示例：18对应2%感染概率
)
# 可以继续添加更多值和对应的概率

方法一：用循环实现（适合新手理解逻辑） #

既然你刚接触循环，先写最直观的for循环：

# 新增一列infection，初始值设为0
df$infection <- 0

# 遍历每一行
for (i in 1:nrow(df)) {
  # 取出当前行目标列的值，转成字符匹配命名向量的键
  current_val <- as.character(df$age[i])
  # 获取对应感染概率
  p <- prob_map[current_val]
  # 生成二项式随机数：1次试验，概率p，结果0（未感染）或1（感染）
  df$infection[i] <- rbinom(n = 1, size = 1, prob = p)
}

方法二：向量化操作（更高效，推荐） #

R的优势是向量化运算，不用循环也能快速完成，这里提供两种方式：

方式1：基础R的mapply函数 #

df$infection <- mapply(
  function(x) rbinom(n = 1, size = 1, prob = prob_map[as.character(x)]),
  df$age
)

方式2：用dplyr包（语法更清晰） #

如果习惯用管道语法，dplyr会更友好：

# 没安装的话先执行：install.packages("dplyr")
library(dplyr)

df <- df %>%
  mutate(
    infection = case_when(
      age == 15 ~ rbinom(n(), 1, 0.001),
      age == 16 ~ rbinom(n(), 1, 0.005),
      age == 17 ~ rbinom(n(), 1, 0.01),
      age == 18 ~ rbinom(n(), 1, 0.02),
      TRUE ~ 0  # 对未定义的值，默认感染概率为0
    )
  )

关键函数说明 #

• rbinom(n, size, prob)：生成二项分布随机数，参数分别是生成数量、单次试验次数、成功概率。这里每次生成1个值，对应1次“是否感染”的试验。
• 命名向量prob_map：通过字符匹配快速获取对应概率，避免大量if-else判断。

内容的提问来源于stack exchange，提问作者Katy Baker