基于Country_Name列给数据集新增basin列的R语言实现问题

问题回顾 #

需要根据fisheries_df的Country_Name字段，给数据集新增basin列：

• 若国家在east_countries列表中，basin赋值为"east"
• 若国家在west_countries列表中，basin赋值为"west"

原有代码的问题分析 #

第一段代码的问题 #

east_countries = c("Albania", "Bosnia and Herzegovina", "Croatia", "Cyprus", "Egypt, Arab Rep.",  "Greece", "Israel", "Lebanon", "Libya",
                  "Montenegro", "Slovenia", "Syrian Arab Republic", "Turkiye")
west_countries = c("Algeria", "France", "Italy", "Malta", "Morocco", "Spain", "Tunisia") 

if(fisheries_df$Country_Name %in% east_countries){
  fisheries_df$basin = "east"
} 
if(fisheries_df$Country_Name %in% west_countries){
  fisheries_df$basin = "west"
} 

R里的if是标量判断工具，只能处理单个TRUE/FALSE值。而fisheries_df$Country_Name %in% east_countries返回的是和数据集行数一致的布尔向量，直接用if的话，只会判断向量的第一个元素，导致整列被统一赋值，无法实现逐行判断。

第二段代码的问题 #

fisheries_df[which(fisheries_df$Country_Name %in% west_countries),]=fisheries_df$basin="west"

这个写法逻辑错误：

1. 赋值顺序混乱，会先把整个basin列设为"west"，再把符合条件的行全部替换成这个值，等于没做筛选
2. 用,选中了所有列，会把符合条件的行的所有字段（比如year、fisheries_production）都改成"west"，直接破坏原有数据

正确的实现方法 #

方法1：基础R向量化赋值 #

先初始化basin列（可以设为NA，方便后续查看未匹配的国家），再分别给符合条件的行赋值：

# 先定义分组列表
east_countries = c("Albania", "Bosnia and Herzegovina", "Croatia", "Cyprus", "Egypt, Arab Rep.",  "Greece", "Israel", "Lebanon", "Libya",
                  "Montenegro", "Slovenia", "Syrian Arab Republic", "Turkiye")
west_countries = c("Algeria", "France", "Italy", "Malta", "Morocco", "Spain", "Tunisia") 

# 初始化basin列为NA
fisheries_df$basin <- NA_character_

# 给east组赋值
fisheries_df$basin[fisheries_df$Country_Name %in% east_countries] <- "east"

# 给west组赋值
fisheries_df$basin[fisheries_df$Country_Name %in% west_countries] <- "west"

这种写法利用R的向量索引特性，直接定位符合条件的行，给basin列单独赋值，不会影响其他字段。

方法2：用dplyr包的case_when（逻辑更清晰） #

如果习惯用tidyverse系列工具，可以用case_when来写，规则一目了然：

library(dplyr)

fisheries_df <- fisheries_df %>%
  mutate(basin = case_when(
    Country_Name %in% east_countries ~ "east",
    Country_Name %in% west_countries ~ "west",
    TRUE ~ NA_character_ # 未匹配的国家设为NA，可根据需求修改
  ))

case_when会按顺序判断条件，匹配到对应规则就赋值，最后TRUE ~ ...处理所有未匹配的情况。

内容的提问来源于stack exchange，提问作者Joe