在R中高效处理病例数(n)大于人口数(N)的行的方法

假设你的合并后数据框名为df，其中包含列n（病例数）和N（人口数），以下是两种需求的高效实现方法：

一、删除n > N的行 #

1. Base R 方法 #

直接通过逻辑索引筛选符合条件的行：

df_clean <- df[df$n <= df$N, ]
# 或者用subset函数，可读性更强
df_clean <- subset(df, n <= N)

2. tidyverse（dplyr）方法 #

用filter()函数筛选：

library(dplyr)
df_clean <- df %>% filter(n <= N)

二、将n > N的行中的n替换为0 #

1. Base R 方法 #

利用逻辑索引直接赋值：

df$n[df$n > df$N] <- 0

2. tidyverse（dplyr）方法 #

用mutate()结合if_else()或case_when()实现：

library(dplyr)
# 用if_else
df_updated <- df %>% mutate(n = if_else(n > N, 0, n))

# 用case_when（适合多条件场景）
df_updated <- df %>% mutate(n = case_when(n > N ~ 0, TRUE ~ n))

关于效率：如果数据量极大，Base R的索引操作通常速度最快；tidyverse的方法胜在代码可读性和可维护性，对于大多数日常数据规模，两者效率差异可以忽略。

内容的提问来源于stack exchange，提问作者enat_b