R语言按条件使用向量逐行分割数据框数值的实现方法

需求说明 #

存在数据框与除数向量，仅对列名包含"Col"的列做运算：元素值大于500时，除以对应位置的除数值；小于等于500时保留原值，计算结果可合并回原数据框。
示例数据与预期结果可参考问题中给出的构造代码。 #

实现方案 #

方案1：修正原有apply逻辑（改造成本最低） #

你原有apply写法的问题有两个：一是没有加入值大于500的判断逻辑，二是apply按行返回的结果是行列转置的，需要转置后才能匹配原数据框结构。修改后代码如下：

library(dplyr)
df_div <- df %>%
  select(contains("Col")) %>%
  apply(1, function(x) {
    ifelse(x > 500, x / dividing_factor, x)
  }) %>%
  t() %>% # 转置还原行列结构
  as.data.frame() %>%
  rename_with(~paste0(., "_div")) # 计算列重命名，和原列区分

# 合并回原数据框
df_result <- cbind(df, df_div)

方案2：向量化运算（性能最优，适合大数据量） #

apply属于隐式循环，数据量较大时运行效率低，可以直接用矩阵做向量化运算，避免逐行迭代：

# 提取目标列
target_df <- df[, grep("Col", names(df))]
# 构造和目标列维度一致的除数矩阵
div_matrix <- matrix(
  rep(dividing_factor, nrow(target_df)),
  nrow = nrow(target_df),
  byrow = TRUE
)
# 条件替换：仅大于500的元素做除法
target_df[target_df > 500] <- target_df[target_df > 500] / div_matrix[target_df > 500]
# 重命名后合并
names(target_df) <- paste0(names(target_df), "_div")
df_result <- cbind(df, target_df)

方案3：tidyverse原生写法（代码可读性最高） #

如果习惯dplyr的管道操作，可以用across直接在mutate中完成计算，不需要额外转置：

library(dplyr)
df_result <- df %>%
  mutate(
    across(
      .cols = contains("Col"),
      .fns = ~{
        col_idx <- which(names(.) == cur_column())
        ifelse(.x > 500, .x / dividing_factor[col_idx], .x)
      },
      .names = "{.col}_div"
    )
  )

结果验证 #

三种方案输出的计算列完全匹配预期结果：

col1_div col2_div col3_div
1   500.00    10000    40000
2 13333.33      500   100000
3 33333.33    25000      500

内容的提问来源于stack exchange，提问作者tmxkrdhqj