如何用for循环对比DataFrame与向量值，生成疾病有无标识列？

我有一个记录患者所患疾病的DataFrame，每种疾病以数字形式存储（多列对应患者的不同疾病记录）；另外有一列存储需要检查的疾病值。想要遍历这些待检查值，为每个值生成一列，用1表示患者患该疾病、0表示未患病，但现有代码没达到预期。

原尝试代码：

for(i in sample$disease){
  for(j in patient_illness){
  name<- paste("icd", i, sep="")
    assign(
      name, ifelse(
        any(j==i, na.rm=T), 1, 0
          )
        )
      }}

原代码问题分析 #

• any(j==i)会判断整列是否存在目标疾病编码，返回单个布尔值，最终每个icdxx变量只是一个单值（1或0），不是对应每个患者的标记向量
• 嵌套循环+assign的逻辑会重复覆盖变量，无法保留每个患者的独立标记结果

正确实现方式 #

循环实现（直观版） #

# 遍历每个待检查的疾病编码
for(disease_code in sample$disease){
  # 生成目标列名
  col_name <- paste0("icd_", disease_code)
  # 按行检查患者是否患有该疾病，生成0/1标记
  patient_illness[[col_name]] <- apply(patient_illness, 1, function(row){
    ifelse(any(row == disease_code, na.rm = TRUE), 1, 0)
  })
}

向量化实现（高效版，推荐） #

在R中优先用向量化操作替代循环，性能更优：

# 提取去重后的待检查疾病编码
target_codes <- unique(sample$disease)

# 批量生成所有标记列
result_cols <- lapply(target_codes, function(code){
  # 统计每行中匹配目标编码的数量，大于0则标记为1
  as.integer(rowSums(patient_illness == code, na.rm = TRUE) > 0)
})

# 转换为DataFrame并命名列
result_df <- do.call(cbind, result_cols)
colnames(result_df) <- paste0("icd_", target_codes)

# 合并到原患者疾病DataFrame中
patient_illness <- cbind(patient_illness, result_df)

代码说明 #

• apply(patient_illness, 1, ...)：按行遍历患者的所有疾病列，判断是否包含目标编码
• rowSums(..., na.rm=TRUE) > 0：通过求和快速判断每行是否存在目标编码，避免逐行循环的性能损耗
• 两种方法都会直接将生成的0/1标记列添加到原DataFrame中，无需用assign创建独立变量

内容的提问来源于stack exchange，提问作者hoon99