如何在R语言向量中查找值的首次出现，不存在时返回向量长度？

需求说明 #

核心需求分为两部分：

• 向量处理：查找指定值的首次出现位置；若该值不存在，则返回向量的长度。
• 数据框应用：按组切片数据框，保留从首行到包含指定值首次出现的行；若值不存在则保留所有行。

现有实现及问题 #

先看原始的错误尝试，这类方法无法满足需求：

x <- 0:1
y <- c(0:2, 2)
z <- c(y, 3)

# 这类max(which())的方法不适用
max(which(x < 2))
#> [1] 2
## 期望结果应为3（x中没有2，需返回向量长度）
max(which(y < 2))
#> [1] 2
## !=的方式同样无法得到正确结果
max(which(z != 2))
#> [1] 5

现有可行的实现代码：

library(dplyr)

# 向量处理的现有方案
my_vecs <- list(x, y, z)
my_len <- lengths(my_vecs)
my_ind <- sapply(my_vecs, function(u) which(u == 2)[1])

coalesce(my_ind, my_len)
#> [1] 2 3 3

# 数据框处理的现有方案
foo <- data.frame(id = letters[rep(my_len, my_len)], n = c(x,y,z))
foo %>%
  group_by(id) %>%
  mutate(cens = which(n == 2)[1], 
         cens = ifelse(is.na(cens), n(), cens)) %>%
  slice(1:max(cens))
#> # A tibble: 8 × 3
#> # Groups:   id [3]
#>   id        n  cens
#>   <chr> <dbl> <int>
#> 1 b         0     2
#> 2 b         1     2
#> 3 d         0     3
#> 4 d         1     3
#> 5 d         2     3
#> 6 e         0     3
#> 7 e         1     3
#> 8 e         2     3

更优实现方案 #

1. 向量处理优化 #

用match()替代which()[1]，match()会直接返回指定值的首次匹配位置，无匹配时返回NA，结合coalesce可以更简洁高效地实现需求：

sapply(my_vecs, function(u) coalesce(match(2, u), length(u)))
#> [1] 2 3 3

优势：match()是R内置的向量化函数，比sapply结合which()的循环方式性能更优，尤其适合处理大规模向量。

2. 数据框处理优化 #

简化dplyr流程

省去ifelse，直接用coalesce处理match的结果，简化逻辑：

foo %>%
  group_by(id) %>%
  mutate(cens = coalesce(match(2, n), n())) %>%
  slice(1:cens)

进一步精简：无需mutate

直接在slice中计算目标位置，减少中间变量，代码更紧凑：

foo %>%
  group_by(id) %>%
  slice(1:coalesce(match(2, n), n()))

大数据场景：data.table实现

如果处理大规模数据，data.table的分组操作性能更出色：

library(data.table)
setDT(foo)
foo[, .SD[1:coalesce(match(2, n), .N)], by = id]

内容的提问来源于stack exchange，提问作者tjebo