当数据集Person_ID匹配向量值时批量修改City字段值

首先需要把你提供的逗号分隔字符串形式的Person_ID转换成可用于匹配的数值向量：

# 处理目标ID字符串，转换为数值向量
target_ids <- as.numeric(strsplit("333,444", ",")[[1]])

以下提供两种高效的批量修改方法，均适用于大规模数据集：

方法1：基础R原生操作 #

利用逻辑索引直接定位目标行并修改City字段，无需额外依赖包，性能高效：

# 加载原始数据框
m1 <- structure(list(Person_ID = c(111L, 222L, 333L, 444L), 
                     City = c("New York", "Los Angeles", "Paris", "New Delhi")), 
                class = "data.frame", row.names = c(NA, -4L))

# 批量修改目标ID对应的城市
m1$City[m1$Person_ID %in% target_ids] <- "San Francisco"

执行后得到的结果即为你需要的结构：

> dput(m1)
structure(list(Person_ID = c(111L, 222L, 333L, 444L), City = c("New York", 
"Los Angeles", "San Francisco", "San Francisco")), class = "data.frame", row.names = c(NA, 
-4L))

方法2：tidyverse/dplyr 方法 #

若习惯使用tidyverse语法，这种方式代码可读性更强，处理大规模数据时性能同样出色：

library(dplyr)

# 加载原始数据框
m1 <- structure(list(Person_ID = c(111L, 222L, 333L, 444L), 
                     City = c("New York", "Los Angeles", "Paris", "New Delhi")), 
                class = "data.frame", row.names = c(NA, -4L))

# 批量修改城市
m3 <- m1 %>%
  mutate(City = if_else(Person_ID %in% target_ids, "San Francisco", City))

关键说明 #

• %in% 运算符用于高效匹配多个ID值，相比逐个判断更适合大规模数据集
• 两种方法均实现了自动化批量修改，避免手动操作的低效与错误

内容的提问来源于stack exchange，提问作者Jamie