R语言循环中使用mutate与case_when匹配帆船比赛编号异常问题

问题原因 #

你现有代码的核心问题是：每次循环执行mutate(Racenum = ...)时，都会直接重写整个Racenum列，仅当前循环对应比赛的时间区间内的行赋值为对应场次编号，其余行全部默认设为NA，前面循环生成的匹配结果会被后续循环完全覆盖，最终只能保留最后一个比赛的匹配结果。

修复方案 #

方案1：修改原有循环逻辑 #

先初始化Racenum列为空，循环时仅修改符合条件的行，不覆盖已有匹配结果：

library(dplyr)
# 先初始化比赛编号列为NA
lg$RaceNum <- NA_character_

for (i in RaceInfo$RaceNum) {
  # 取出当前比赛的起止时间
  cur_start <- RaceInfo$RaceStartTime[RaceInfo$RaceNum == i]
  cur_end <- RaceInfo$RaceFinishTime[RaceInfo$RaceNum == i]
  # 仅修改符合时间条件的行
  lg$RaceNum[lg$Time >= cur_start & lg$Time <= cur_end] <- i
}

方案2：非等值连接（更高效，推荐） #

R中处理区间匹配更推荐用非等值连接实现，无需循环，大数据量下性能远高于循环：

library(dplyr)

lg <- lg %>%
  # 先和比赛信息表匹配符合时间区间的记录
  left_join(RaceInfo, by = join_by(between(Time, RaceStartTime, RaceFinishTime))) %>%
  # 保留原数据所有列，仅保留新增的比赛编号字段
  select(all_of(colnames(lg)), RaceNum)

注意：如果是dplyr 1.1.0以下版本，不支持join_by语法，可以用以下写法：

lg <- lg %>%
  rowwise() %>%
  mutate(RaceNum = RaceInfo$RaceNum[between(Time, RaceInfo$RaceStartTime, RaceInfo$RaceFinishTime)][1]) %>%
  ungroup()

注意事项 #

• 需确保lg$Time和RaceInfo中的起止时间字段时区完全一致，否则会出现匹配偏差
• 如果存在单条航行数据同时落在多个比赛时间区间的情况，建议先对RaceInfo表做时间区间重叠校验，避免匹配冲突

内容的提问来源于stack exchange，提问作者TDaw