循环提取观测值并计算均值：数据匹配与代码报错求助

报错原因 #

你用if语句出错的核心问题是：(df1$C %in% df2$C) | (df1$D %in% df2$D)返回的是和df1行数一致的逻辑向量，但if只能接受单个TRUE/FALSE值作为判断条件，所以会抛出the condition has length > 1的错误。正确做法是直接用这个逻辑向量筛选df1的行，不需要用if。

可行代码实现 #

前提准备 #

先把55年的匹配表整理成列表结构（比如命名为df2_list，每个元素对应一年的匹配表，列表名称可以直接用年份）。如果之前是循环生成后单独存成多个数据框，用下面的代码合并成列表：

# 示例：假设年度数据框命名为df2_1968、df2_1969...df2_2022，合并为列表
df2_list <- mget(ls(pattern = "^df2_\\d{4}$"))

方式1：用dplyr+ purrr处理 #

library(dplyr)
library(purrr)

# 定义单年度处理函数
calc_yearly_mean <- function(year_df) {
  df1 %>%
    filter(C %in% year_df$C | D %in% year_df$D) %>%
    summarise(
      mean_A = mean(A, na.rm = TRUE),
      mean_B = mean(B, na.rm = TRUE)
    )
}

# 批量处理所有年度并合并结果
yearly_results <- map_dfr(df2_list, calc_yearly_mean, .id = "year")

方式2：基础R循环处理 #

如果不想用tidyverse包，用基础R也能完成：

# 初始化结果数据框
yearly_results <- data.frame(
  year = character(),
  mean_A = numeric(),
  mean_B = numeric(),
  stringsAsFactors = FALSE
)

# 循环处理每个年度
for (year_name in names(df2_list)) {
  year_df <- df2_list[[year_name]]
  # 筛选符合条件的行
  filtered_rows <- (df1$C %in% year_df$C) | (df1$D %in% year_df$D)
  filtered_df <- df1[filtered_rows, ]
  # 计算均值
  mean_A <- mean(filtered_df$A, na.rm = TRUE)
  mean_B <- mean(filtered_df$B, na.rm = TRUE)
  # 追加到结果表
  yearly_results <- rbind(yearly_results, 
                          data.frame(year = year_name, mean_A = mean_A, mean_B = mean_B))
}

特殊情况处理：循环生成df2时直接计算 #

如果你的年度匹配表是循环生成的（每次循环生成当年的df2），可以直接把计算逻辑嵌入循环，不用先存列表：

yearly_results <- data.frame()
# 替换成你的年份范围
for (year in 1968:2022) {
  # 这里替换成你生成年度匹配表的代码
  df2 <- generate_yearly_matching_table(year)
  
  # 筛选+计算均值
  filtered_df <- df1[(df1$C %in% df2$C) | (df1$D %in% df2$D), ]
  mean_A <- mean(filtered_df$A, na.rm = TRUE)
  mean_B <- mean(filtered_df$B, na.rm = TRUE)
  
  # 存入结果
  yearly_results <- rbind(yearly_results, 
                          data.frame(year = year, mean_A = mean_A, mean_B = mean_B))
}

内容的提问来源于stack exchange，提问作者RBAY99