在R语言中如何根据等长purity向量元素条件生成coef向量？

我有一个名为purity的向量，存储了10000个金块的纯度（字符字符串类型），生成代码如下：

purity <- sample(c("pure","high","medium","low"), 10000, replace = TRUE) 

希望生成第二个名为coef的向量，其中第n个元素的值依赖于purity中第n个元素的对应关系：

• "pure" → 1.0
• "high" → 0.8
• "medium" → 0.5
• "low" → 0.2

以下是手动示例说明目标：

> purity <- c("medium", "high", "low", "high", "pure")
> coef   <- c( 0.5,      0.8,    0.2,   0.8 ,   1.0)     # 为可读性添加空格
> purity
[1] "medium" "high"   "low"    "high"   "pure"     
> coef
[1] 0.5 0.8 0.2 0.8 1.0

请问如何实现这个自动化过程？

方法1：命名向量匹配（最简洁高效） #

创建一个命名向量，直接通过元素匹配获取对应数值，向量化操作处理大规模数据效率极高：

# 定义映射关系的命名向量
purity_map <- c(pure = 1.0, high = 0.8, medium = 0.5, low = 0.2)
# 生成coef向量
coef <- purity_map[purity]

方法2：嵌套ifelse条件判断 #

适合条件较少的场景，逻辑直观：

coef <- ifelse(purity == "pure", 1.0,
               ifelse(purity == "high", 0.8,
                      ifelse(purity == "medium", 0.5, 0.2)))

方法3：dplyr包的case_when（易读的多条件写法） #

如果使用tidyverse生态，这种写法逻辑清晰，便于后续维护修改：

library(dplyr)
coef <- case_when(
  purity == "pure" ~ 1.0,
  purity == "high" ~ 0.8,
  purity == "medium" ~ 0.5,
  purity == "low" ~ 0.2
)

方法4：因子转换映射 #

先将字符向量转为因子，再通过层级映射数值，适合需要有序类别的场景：

# 将purity转为因子，指定层级顺序确保映射准确
purity_factor <- factor(purity, levels = c("pure", "high", "medium", "low"))
# 映射为对应数值
coef <- c(1.0, 0.8, 0.5, 0.2)[purity_factor]

内容的提问来源于stack exchange，提问作者fre1990