基于规则为数据框行高效分配编码的实现方案

可以通过向量化的条件判断实现需求，避免冗长的嵌套if语句或低效的rowwise()操作，尤其适合大规模数据（如你提到的625行场景）。以下是具体实现：

library(dplyr)
library(stringr)
library(tidyr)

# 生成示例数据
df <- crossing(yr2018=c("M","S","W"),
               yr2019=c("M","S","W"),
               yr2020=c("M","S","W"))

# 按规则生成编码列
df <- df %>%
  mutate(
    code = case_when(
      # 规则1：三列值完全相同
      yr2018 == yr2019 & yr2019 == yr2020 ~ str_c("CON", yr2018),
      # 规则5：前两列相同、第三列不同
      yr2018 == yr2019 & yr2018 != yr2020 ~ str_c("CON", yr2018),
      # 规则4：后两列相同、第一列不同
      yr2019 == yr2020 & yr2019 != yr2018 ~ str_c("CON", yr2019),
      # 规则2：第一和第三列相同、第二列不同，按固定顺序拼接唯一值
      yr2018 == yr2020 & yr2018 != yr2019 ~ pmap_chr(
        list(yr2018, yr2019),
        ~str_c(sort(factor(c(..1, ..2), levels = c("M", "S", "W"))), collapse = "")
      ),
      # 规则3：三列值均不同
      TRUE ~ "MSW"
    )
  )

# 查看结果
print(df, n=27)

实现思路说明 #

1. 向量化优先：使用dplyr::case_when()进行向量化条件判断，相比逐行处理（如rowwise()）效率提升显著，尤其适合大规模数据。
2. 规则分层处理：按照规则优先级依次判断（完全相同的情况优先级最高，避免被其他条件覆盖），逻辑清晰易维护。
3. 固定顺序拼接：针对第一、三列相同的场景，通过factor()指定M→S→W的固定顺序，再排序拼接，确保结果不受原始值顺序影响。
4. 扩展性强：如果后续扩展到更多列（如你提到的4×5规模），可以通过across()批量处理年份列，结合table()统计每行值的频次，灵活调整规则逻辑。

内容的提问来源于stack exchange，提问作者E Maas