R语言中数据框分问题匹配正确/直觉答案向量的优化方案

这个问题我太熟悉了——全局向量确实很容易踩「跨题误判」的坑！其实完全不用嵌套循环，咱们换个思路：把每个题的正确答案和直觉答案做成绑定到ID的参考表，再和原始数据关联，就能实现精准匹配啦。

步骤1：创建题目-答案对应参考表 #

先把每个ID对应的正确答案、直觉答案一一对应起来，做成一个独立的数据框。这样每个题的答案都和自身ID绑定，不会出现串题的情况：

# 创建包含所有题目ID、正确答案、直觉答案的参考表
answer_key <- data.frame(
  ID = c("batBall", "lilyPad", "farmSheep", "xxx", "yyy", "zzz"), # 替换成你实际的所有题目ID
  Correct_Ans = c("5", "47", "8", "0", "5", "second"), # 每个ID对应的正确答案
  Intuitive_Ans = c("10", "24", "7", "27", "100", "first") # 每个ID对应的直觉答案
)

注意：ID的取值必须和你原始数据CRTData$ID完全一致（大小写、拼写都要匹配），否则会匹配失败。

步骤2：合并原始数据与参考表 #

用dplyr的left_join（或者base R的merge）把原始数据和参考表按ID合并，这样每一行数据都会带上对应题目的正确/直觉答案：

# 如果没装dplyr先安装：install.packages("dplyr")
library(dplyr)

# 按ID合并数据，保留原始数据的所有行
CRTData <- CRTData %>%
  left_join(answer_key, by = "ID")

步骤3：精准标记Intuitive和Correct列 #

现在可以逐行判断当前的Response是否等于对应题的直觉/正确答案，完全不会跨题误判：

# 标记是否选择了直觉答案
CRTData$Intuitive <- CRTData$Response == CRTData$Intuitive_Ans
# 标记是否选择了正确答案
CRTData$Correct <- CRTData$Response == CRTData$Correct_Ans

进阶：处理一题多答案的情况 #

如果某个题目有多个直觉/正确答案（比如lilyPad的直觉答案是24和30），可以把参考表的答案列设为列表，再用rowwise逐行判断：

# 更新参考表，用I()包裹向量保存为列表列
answer_key <- data.frame(
  ID = c("batBall", "lilyPad"),
  Correct_Ans = I(list("5", "47")),
  Intuitive_Ans = I(list("10", c("24", "30")))
)

# 合并后逐行判断是否匹配任一答案
CRTData <- CRTData %>%
  left_join(answer_key, by = "ID") %>%
  rowwise() %>%
  mutate(
    Intuitive = Response %in% Intuitive_Ans,
    Correct = Response %in% Correct_Ans
  ) %>%
  ungroup()

这种方法的优势很明显：代码简洁易维护，后续要新增题目、修改答案，只需要更新参考表就行，不用调整判断逻辑，完全避免了全局向量的跨题污染问题。

内容的提问来源于stack exchange，提问作者NickB