R语言人口数据单位转换代码优化：寻求更高效实现方案

你的原始循环代码能实现需求，但R是向量化语言，用向量化操作替代循环会更简洁高效，以下是几种优化方案：

方案1：使用tidyverse工具链（dplyr + stringr） #

利用case_when实现向量化条件判断，搭配str_remove简化字符串处理：

library(dplyr)
library(stringr)

df <- data.frame(Population = c("4.88M", "3.12M", "819k",  "4660",  "46.7k", "4.86M", "856k"))

df <- df %>%
  mutate(
    pop_fix = case_when(
      str_detect(Population, "k") ~ as.numeric(str_remove(Population, "k")) * 1000,
      str_detect(Population, "M") ~ as.numeric(str_remove(Population, "M")) * 1e6,
      TRUE ~ as.numeric(Population)
    )
  )

方案2：纯Base R实现（无额外依赖） #

通过统一提取数字、匹配单位生成乘数的方式，完全向量化处理：

df <- data.frame(Population = c("4.88M", "3.12M", "819k",  "4660",  "46.7k", "4.86M", "856k"))

# 提取所有数字部分（去掉k/M）
num_values <- as.numeric(gsub("[kM]", "", df$Population))
# 根据单位生成对应乘数
multipliers <- ifelse(grepl("k", df$Population), 1000,
                      ifelse(grepl("M", df$Population), 1000000, 1))
# 计算最终数值
df$pop_fix <- num_values * multipliers

方案3：用gsubfn简化单位替换计算 #

gsubfn包允许直接将单位替换为对应的乘法表达式，再转为数值计算：

library(gsubfn)

df <- data.frame(Population = c("4.88M", "3.12M", "819k",  "4660",  "46.7k", "4.86M", "856k"))

df$pop_fix <- sapply(df$Population, function(x) {
  as.numeric(gsubfn("[kM]", list(k="*1000", M="*1000000"), x))
})

关于你之前ifelse报错的说明 #

之前用ifelse出错大概率是因为没有做整体向量化处理，比如直接在单条ifelse里嵌套字符串操作时，没有确保每个分支都返回长度匹配的向量，上面的方案都严格遵循向量化逻辑，不会出现值覆盖的问题。

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