R语言如何循环多列数据实现多条件判断赋值

问题原因 #

你的嵌套ifelse()逻辑失效，核心是R的逻辑运算规则导致的：任何值和NA做==比较时，返回结果都是NA，而非FALSE。比如NA == TRUE的输出是NA，既不满足第一层判断的TRUE条件，也不会正常进入第二层判断，最终Test1为NA的行会直接返回NA，和你预期的「Test1不为T（含NA、FALSE两种情况）就判断Test2」的逻辑不符。

可用实现方案 #

1. 等价于Python zip+列表推导的原生写法 #

R原生支持多向量同步遍历的写法，和Python中zip()打包两个列表再做列表推导的逻辑完全对应，用mapply()就能实现，逐行传入两个列的对应值做判断即可：

test_data$test <- mapply(function(t1, t2) {
  if (isTRUE(t1)) return("A")
  if (isTRUE(t2)) return("B")
  return("C")
}, test_data$Test1, test_data$Test2)

这里用isTRUE()做判断的好处是，只有传入值明确为TRUE时才会返回TRUE，传入值为FALSE、NA时都会返回FALSE，完全匹配你的判断规则，不会被NA干扰。

2. 修正后的向量化ifelse写法 #

如果想保留向量化运算的效率，不需要写逐行判断逻辑，只要把原来的== TRUE替换成%in% TRUE即可避开NA的坑：

test_data$test <- ifelse(
  test_data$Test1 %in% TRUE, "A",
  ifelse(test_data$Test2 %in% TRUE, "B", "C")
)

%in%运算符做匹配时，只有左侧值明确存在于右侧向量中才会返回TRUE，因此x %in% TRUE的效果和isTRUE()的向量化版本完全一致：x为TRUE返回T，x为FALSE、NA都返回F。运行后执行table(test_data$test)可以得到正确计数：A共3个，B共3个，C共4个。

3. 可读性更高的分支判断写法 #

日常数据处理中更常用dplyr::case_when()写多分支判断，规则和需求一一对应，不容易写错：

library(dplyr)
test_data <- test_data |> 
  mutate(
    test = case_when(
      Test1 %in% TRUE ~ "A",
      Test2 %in% TRUE ~ "B",
      .default = "C"
    )
  )

补充：R本身的向量化运算效率远高于逐行循环，绝大多数场景不需要特意写类Python的显式循环。如果偏好函数式写法，也可以用purrr::map2_chr(test_data$Test1, test_data$Test2, ~if(isTRUE(.x)){"A"}else if(isTRUE(.y)){"B"}else{"C"})实现和mapply()完全一致的效果。

内容的提问来源于stack exchange，提问作者Data-7scientist