如何基于页码区间在R数据框中更高效创建因子列？

针对你的需求，有两种比自定义函数+sapply()更高效的实现方式，均基于矢量化操作（避免逐元素循环，大数据量下优势明显）：

方法一：基础包cut()函数（适合规整区间） #

cut()是R基础包中专门用于区间分组的函数，完美匹配你按页码区间划分章节的需求，代码简洁且效率高：

# 定义区间分界点（根据你的完整规则补充后续数值）
breaks <- c(-Inf, 5, 23, 100, Inf)  # 示例：假设23-99是Footnotes，100+是Bibliography
# right=FALSE表示左闭右开区间，和你的条件逻辑完全匹配
df$section <- cut(df$page, breaks = breaks, labels = section_in_text, right = FALSE)

方法二：dplyr的case_when()（适合灵活条件） #

如果你的区间规则存在特殊情况（比如非连续区间），用dplyr的case_when()更灵活，同样是矢量化操作，效率远高于循环：

library(dplyr)

df <- df %>%
  mutate(section = case_when(
    page < 5 ~ "Introduction",
    page >= 5 & page < 23 ~ "Characters",
    page >= 23 & page < 100 ~ "Footnotes",  # 补充你的实际区间条件
    TRUE ~ "Bibliography"  # 兜底匹配剩余所有情况
  )) %>%
  # 确保因子水平和你定义的section_in_text完全一致
  mutate(section = factor(section, levels = levels(section_in_text)))

为什么这两种方法更优 #

• 都是矢量化操作，避免了apply系列函数的隐式循环，数据量越大，速度提升越明显；
• 代码简洁直观，无需编写额外的自定义函数，可读性和维护性更强；
• 直接生成符合要求的因子列，无需额外的类型转换步骤（cut方法可直接生成因子）。

内容的提问来源于stack exchange，提问作者Miszka_R