R语言for循环+sapply返回全NA：疾病匹配逻辑列生成失败

错误原因分析 #

你的代码输出全为NA，核心问题有三个：

1. 向量长度不匹配引发循环补齐：for(i in datacodes)会遍历datacodes的每一列（整列向量），x==i是将patient_illness的列与整列DC向量逐行比较。当两者长度不一致时，R会触发循环补齐机制，不匹配的位置直接生成NA。
2. 循环变量被重复覆盖：每次循环都会重新赋值equality，最终仅保留最后一次循环的结果，无法累积所有DC码的匹配情况。
3. 逻辑偏离需求：代码是逐列对应比较illness和DC码，但实际需求是患者的任意illness编码匹配任意DC码即判定患病，逐列比较的逻辑完全不符合目标。

修正后的代码实现 #

方案1：基础向量操作（高效简洁） #

library(dplyr)

# 读取数据
ccc <- read.table(file.choose(), header = TRUE, sep = ",")
ccc2 <- ccc

# 提取目标列
patient_illness <- select(ccc2, contains("illness"))
datacodes <- select(ccc2, contains("DC"))

# 将所有DC码整理为去重后的向量
dc_codes <- unique(unlist(datacodes))

# 生成患病标记：任意illness匹配DC码则为1，否则为0
ccc2$disease_flag <- ifelse(rowSums(sapply(patient_illness, function(x) x %in% dc_codes)) > 0, 1, 0)

方案2：dplyr管道式实现（可读性更强） #

library(dplyr)

ccc2 <- read.table(file.choose(), header = TRUE, sep = ",") %>%
  # 提取所有DC码并去重，存储为列表列
  mutate(dc_codes = list(unique(unlist(select(., contains("DC")))))) %>%
  # 按行判断是否有illness编码匹配DC码
  rowwise() %>%
  mutate(
    disease_flag = ifelse(any(c_across(contains("illness")) %in% unlist(dc_codes)), 1, 0)
  ) %>%
  ungroup() %>%
  # 移除临时列（可选）
  select(-dc_codes)

关键逻辑说明 #

• unlist(datacodes)：将所有DC列合并为一个长向量，实现“匹配任意DC码”的判断基础。
• x %in% dc_codes：判断单个illness编码是否存在于DC码集合中，返回布尔值，相比==更适合多值匹配场景。
• rowSums(...) > 0：统计每行中匹配成功的illness列数量，只要有1个及以上匹配就标记为患病。

内容的提问来源于stack exchange，提问作者hoon99