如何用for循环重写R语言中的mutate+case_when语句

当分组变量超过3000个时，mutate+case_when的写法会变得极度冗长且难以维护，用for循环可以高效批量处理所有分组。以下是具体实现步骤和代码：

步骤1：明确数据结构 #

假设你的嵌套数据框df_nest包含两列：

• group_var：分组变量列（含3000+个唯一值）
• data：每个分组对应的嵌套时间序列数据

步骤2：用For循环批量分配工作流 #

# 1. 获取所有唯一分组值
all_groups <- unique(df_nest$group_var)

# 2. 初始化workflow列为空列表（确保长度和数据框行数一致）
df_nest$workflow <- vector("list", nrow(df_nest))

# 3. 循环遍历每个分组，分配对应的ARIMA工作流
for (g in all_groups) {
  # 定位当前分组在数据框中的行索引
  row_pos <- which(df_nest$group_var == g)
  
  # --- 两种工作流赋值方式选其一 ---
  # 方式1：如果已预先为每个分组创建好命名的workflow对象（比如workflow_xxx对应分组xxx）
  current_workflow <- get(paste0("workflow_", g))
  
  # 方式2：动态生成当前分组的ARIMA工作流（更推荐，无需预先定义所有对象）
  # current_workflow <- arima_reg() %>% 
  #   set_engine("auto_arima") %>% 
  #   fit(目标变量 ~ 时间变量, data = df_nest$data[[row_pos]])
  
  # 将工作流赋值到对应行
  df_nest$workflow[[row_pos]] <- current_workflow
}

关键说明 #

• 如果是动态生成工作流，直接在循环里基于嵌套的data列拟合模型，无需提前为3000+分组单独创建workflow对象，更节省内存和时间。
• vector("list", nrow(df_nest))提前初始化列表列，比循环中逐个追加更高效。

内容的提问来源于stack exchange，提问作者user2813606